Sistem pendukung keputusan penerimaan jaminan kesehatan daerah dengan algoritma Simple Additive Weighting (SAW).
ABSTRAK
Sistem Pendukung Pengambilan Keputusan merupakan suatu sistem informasi berbasis komputer yang ditujukan untuk membantu pengambilan keputusan dengan memanfaatkan data dan model tertentu untuk memecahkan berbagai persoalan yang tidak terstruktur atau semi terstruktur. Tujuan dari penelitian ini adalah mengukur tingkat keakuratan dan ketepatan algoritma SAW (Simple Additive Weighting) dalam menyeleksi calon penerimaan Jaminan Kesehatan Daerah berbasis desktop. Sistem pendukung keputusan yang dibangun diharapkan dapat membantu staf kelurahan dalam pengambilan keputusan
Sistem pendukung pengambilan keputusan ini dibuat dengan
menggunakan bahasa pemrograman Java dan basisdata MySQL. Metode yang
digunakan adalah Simple Additive Weighting (SAW). Konsep dasar metode SAW
adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternative yang ada. Pada penelitian ini metode SAW dipilih karena metode ini mampu menyeleksi alternatif terbaik dari sejumlah alternatif, dalam hal ini alternatif yang dimaksud yaitu berhak menerima Jaminan Kesehatan Daerah berdasarkan kriteria-kriteria yang telah ditentukan.
Hasil penelitian ini menunjukkan bahwa sistem pendukung pengambilan keputusan dengan algoritma SAW (Simple Additive Weighting) tepat dan akurat dalam menyeleksi calon penerima JAMKESDA yang dilihat dari hasil presentase perbandingan antara SAW dan manual.
(2)
ABSTRACT
Decision support system is a computer-based information system which is used to make decision by utilizing certain data and model for solving many unstructured or semi structured problems. The purpose of this research is to measure to accuracy of the SAW algorithm (Simple Additive Weighting) in selecting the receiver of regional health insurance. The decision support system is expected to help the administration districts staff in making decision.
This decision support system was developed by using java programming and MySQL data-base. The model used in this research was Simple Additive Weighting (SAW). The basic concept of SAW method is to find a weighted summation from performance rating of every provided alternative. SAW method was chosen in this research because SAW method is able to select the best from some provided alternative. In this case, the alternative referes to people who are llowed to receive regional health insurance based on specifid criteria.
The result of this research showed that the decision support system using SAW algorithm (Simple Additive Weighting) was accurate in selecting the receiver candidates of Regional Health Insurance. It was shown by the comparison percentage between SAW and manual.
(3)
SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN JAMINAN KESEHATAN DAERAH DENGAN ALGORITMA SIMPLE ADDITIVE
WEIGHTING (SAW)
Studi Kasus Di Kelurahan Kepatihan Kabupaten Bojonegoro
SKRIPSI
Diajukan Untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer
Program Studi Teknik Informatika
Disusun oleh : Mirella Tri Ratnasari
095314003
PROGRAM STUDI TEKNIK INFORMATIKA JURUSAN TEKNIK INFORMATIKA FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS SANATA DHARMA YOGYAKARTA
(4)
DECISION SUPPORT SYSTEM SELECTION OF RECIPIENTS REGIONAL HEALTH INSURANCE USING ALGORITHM SIMPLE
ADDITIVE WEIGHTING (SAW)
Case Study on Kelurahan Kepatihan Kabupaten Bojonegoro
THESIS
Present as Partial Fulfillment of the Requirments to Obtain Sarjana Computer Degree in Informatics Engineering Department
Created By : Mirella Tri Ratnasari
095314003
INFORMATICS ENGINEERING STUDY PROGRAM FACULTY OF SCIENCE AND TECHNOLOGY
SANATA DHARMA UNIVERSITY YOGYAKARTA
(5)
HALAMAN PERSETUJUAN SKRIPSI
SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN JAMINAN KESEHATAN DAERAH DENGAN ALGORITMA SIMPLE ADDITIVE
WEIGHTING (SAW)
Studi Kasus Di Kelurahan Kepatihan Kabupaten Bojonegoro
Dipersiapkan dan ditulis oleh :
Mirella Tri Ratnasari NIM : 095314003
Telah disetujui oleh :
Dosen Pembimbing
(6)
HALAMAN PENGESAHAN
SKRIPSI
SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN JAMINAN KESEHATAN DAERAH DENGAN ALGORITMA SIMPLE ADDITIVE
WEIGHTING (SAW)
Studi Kasus Di Kelurahan Kepatihan Kabupaten Bojonegoro
Dipersiapkan dan ditulis oleh: Nama : Mirella Tri Ratnasari
NIM : 095314003
Telah dipertahankan di depan Panitia Penguji pada tanggal 16 Juli 2014
dan dinyatakan memenuhi syarat
Susunan Panitia Penguji
Nama Lengkap Tanda Tangan
Ketua AM. Polina S.Kom, M.Sc.
Sekretaris Drs. HJ. Haris Sriwindono, M.Kom.
Anggota Drs. Johanes Eka Priyatma, M.Sc., Ph.D.
Yogyakarta, Agustus 2014 Fakultas Sains dan Teknologi Universitas Sanata Dharma Dekan,
(7)
PERNYATAAN KEASLIAN KARYA
Saya menyatakan dengan sesungguhnya bahwa skripsi yang saya tulis ini tidak memuat karya atau bagian karya orang lain, kecuali yang telah disebutkan dalam kutipan dan daftar pustaka, sebagaimana layaknya karya ilmiah.
Yogyakarta, Agustus 2014
(8)
LEMBAR PERNYATAAN PERSETUJUAN
PUBLIKASI KARYA ILMIAH UNTUK KEPENTINGAN AKADEMIS Yang bertanda tangan di bawah ini, saya mahasiswa Universitas Sanata Dharma :
Nama : Mirella Tri Ratnasari
NIM : 095314003
Demi pengembangan ilmu pengetahuan, saya memberikan kepada Perpustakaan Universitas Sanata Dharma karya ilmiah saya yang berjudul :
“SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN JAMINAN KESEHATAN DAERAH DENGAN ALGORITMA SIMPLE ADDITIVE WEIGHTING (SAW)”
Beserta perangkat yang diperlukan (bila ada). Dengan demikian saya memberikan kepada Perpustakaan Universitas Sanata Dharma hak untuk menyimpan, mengahlikan dalam bentuk media lain, mengelolanya dalam bentuk pangkalan data, mendistribusikan secara terbatas, dan memublikasikan di internet atau media lain untuk kepentingan akademis tanpa perlu meminta izin dari saya maupun memberikan royalti kepada saya selama tetap mencantumkan nama saya sebagai penulis.
Demikian pernyataan ini saya buat dengan sebenarnya. Dibuat di Yogyakarta
Pada Tanggal Agustus 2014 Yang menyatakan,
(9)
HALAMAN MOTTO
(10)
ABSTRAK
Sistem Pendukung Pengambilan Keputusan merupakan suatu sistem informasi berbasis komputer yang ditujukan untuk membantu pengambilan keputusan dengan memanfaatkan data dan model tertentu untuk memecahkan berbagai persoalan yang tidak terstruktur atau semi terstruktur. Tujuan dari penelitian ini adalah mengukur tingkat keakuratan dan ketepatan algoritma SAW (Simple Additive Weighting) dalam menyeleksi calon penerimaan Jaminan Kesehatan Daerah berbasis desktop. Sistem pendukung keputusan yang dibangun diharapkan dapat membantu staf kelurahan dalam pengambilan keputusan
Sistem pendukung pengambilan keputusan ini dibuat dengan
menggunakan bahasa pemrograman Java dan basisdata MySQL. Metode yang
digunakan adalah Simple Additive Weighting (SAW). Konsep dasar metode SAW
adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternative yang ada. Pada penelitian ini metode SAW dipilih karena metode ini mampu menyeleksi alternatif terbaik dari sejumlah alternatif, dalam hal ini alternatif yang dimaksud yaitu berhak menerima Jaminan Kesehatan Daerah berdasarkan kriteria-kriteria yang telah ditentukan.
Hasil penelitian ini menunjukkan bahwa sistem pendukung pengambilan keputusan dengan algoritma SAW (Simple Additive Weighting) tepat dan akurat dalam menyeleksi calon penerima JAMKESDA yang dilihat dari hasil presentase perbandingan antara SAW dan Manual.
(11)
ABSTRACT
Decision support system is a computer-based information system which is used to make decision by utilizing certain data and model for solving many unstructured or semi structured problems. The purpose of this research is to measure to accuracy of the SAW algorithm (Simple Additive Weighting) in selecting the receiver of regional health insurance. The decision support system is expected to help the administration districts staff in making decision.
This decision support system was developed by using java programming and MySQL data-base. The model used in this research was Simple Additive Weighting (SAW). The basic concept of SAW method is to find a weighted summation from performance rating of every provided alternative. SAW method was chosen in this research because SAW method is able to select the best from some provided alternative. In this case, the alternative referes to people who are llowed to receive regional health insurance based on specifid criteria..
The result of this research showed that the decision support system using SAW algorithm (Simple Additive Weighting) was accurate in selecting the receiver candidates of Regional Health Insurance. It was shown by the comparison percentage between SAW and manual
(12)
KATA PENGANTAR
Puji syukur kepada Bunda Maria dan Tuhan Yesus Kristus atas berkat dan limpahan kasih karuniaNya yang telah diberikan sehingga penulis dapat menyelesaikan skripsi ini dengan judul : “Sistem pendukung keputusan penerimaan jaminan kesehatan daerah dengan algoritma simple additive weighting (SAW) studi kasus Kelurahan Kepatihan Kabupaten Bojonegoro”. Dengan selesainya penulisan skripsi ini, penulis mengucapkan terima kasih kepada pihak-pihak yang telah memberikan motivasi, kritik, dan saran kepada penulis. Ucapan terima kasih ditujukan kepada :
1. Orang tua saya Fransiscus Sarman dan Theresia Purwanti yang telah
memberikan cinta dan kasih sayang serta dukungan spiritual, moral maupun material selama studi berlangsung.
2. Bapak Johanes Eka Priyatma selaku dosen pembimbing skripsi. Terima kasih
telah membimbing dan menyediakan waktu dalam memberikan pengarahan selama penulisan skripsi serta memberikan pemecahan masalah melalui kritik dan saran yang diberikan.
3. Ibu P.H. Prima Rosa, S.Si.,M.Sc. selaku Dekan Fakultas Sains dan Teknologi
Universitas Sanata Dharma Yogyakarta
4. Ibu Ridowati Gunawan, S.Kom. selaku Ketua Jurusan Teknik Informatika Fakultas Sains dan Teknologi Universitas Sanata Dharma Yogyakarta
(13)
5. Staff Kelurahan Kepatihan Kabupaten Bojoneoro yang menjadi sumber informasi utama dalam memberi data terkait seleksi penerimaan Jamkesda
6. Paulina Purwaningsih, Mbak Lia, Mas Benhard, dan Aurel yang telah
memberikan motivasi dan doa selama penulis menyelesaikan skripsi
7. Wienda, Audris, Rosi, Wiwin, Mitha, Ade, Fidi, Ageng, Jeni, Yosi dan semua teman-teman Teknik Informatika 2009 lainnya yang tidak dapat disebutkan satu-persatu, terima kasih atas semangat, bantuan, kritik , saran dan persahabatannya selama ini
8. Teman-teman kos : Hilda, Aulia, Citra, Ina, Tyas, Desty, dan Kak Venny yang telah memberikan dukungan dan motivasi kepada penulis.
Akhir kata, semoga penulisan skripsi ini dapat berguna untuk menambah wawasan maupun menjadi referensi bagi pembaca, terutama bagi mahasiswa Teknik Informatika
Yogyakarta, 19 Agustus 2014
(14)
DAFTAR ISI
HALAMAN JUDUL ... i
HALAMAN JUDUL(INGGRIS) ... ii
HALAMAN PERSETUJUAN ... iii
HALAMAN PENGESAHAN... iv
SKRIPSI ... iv
PERNYATAAN KEASLIAN KARYA ... v
LEMBAR PERNYATAAN PERSETUJUAN ... vi
HALAMAN MOTTO ... vii
ABSTRAK ... viii
ABSTRACT ... ix
KATA PENGANTAR ... x
DAFTAR ISI ... xii
DAFTAR TABEL ... xv
BAB I ... 1
PENDAHULUAN ... 1
1.1 Latar Belakang ... 1
1.2 Rumusan Masalah ... 3
1.3 Batasan Masalah ... 4
1.4 Tujuan Penelitian ... 4
1.5 Manfaat Penelitian ... 4
1.6 Sistematika Penulisan ... 5
BAB II ... 7
LANDASAN TEORI ... 7
2.1 Sistem Pendukung Pengambilan Keputusan (SPK) ... 7
2.1.1 Pengertian SPPK ... 7
2.1.2 Tujuan Sistem Pendukung Pengambilan Keputusan ... 7
2.1.3 Ciri-ciri SPPK ... 9
2.1.4 Karakteristik dan Kapabilitas SPPK ... 10
(15)
2.1.6 Kelebihan dan Kekurangan ... 14
2.1.7 Jenis-Jenis Sistem Pengambilan Keputusan ... 15
2.2 Fuzzy Multiple Atribute Decision Making FMADM ... 15
2.3 Tiga Pendekatan Mencari nilai bobot atribut ... 16
2.4 Metode Simple Additive Weighting (SAW) ... 17
2.5 Jaminan Kesehatan Daerah (JAMKESDA) ... 32
BAB III ... 34
METODOLOGI PENELITIAN ... 34
3.1 Rumusan Masalah ... 34
BAB IV ... 38
PERANCANGAN DAN IMPLEMENTASI SISTEM ... 38
4.1 Analisis Sistem ... 38
4.1.1 Ruang Lingkup Masalah ... 38
4.2 Perancangan Sistem ... 39
4.2.1 Diagram Use Case ... 39
4.2.2 Skenario Use Case ... 41
4.2.3 Diagram Aliran Data (DAD) ... 52
4.2.4 Manajemen Model ... 56
4.2.5 Manajemen Data ... 57
4.2.6 Manajemen Dialog ... 64
BAB V ... 72
PENGUJIAN DAN ANALISA DATA ... 72
5.1 Perhitungan Excell dibandingkan dengan perhitungan sistem ... 72
5.2 Pengujian Sistem Jamkesda ... 75
5.3 Analisa Data ... 83
BAB VI ... 86
KESIMPULAN DAN SARAN ... 86
6.1 Kesimpulan ... 86
6.2 Saran ... 87
DAFTAR PUSTAKA ... 88
(16)
DAFTAR GAMBAR
Gambar 2. 1 Karakteristik dan Kapabilitas SPPK ... 13
Gambar 2. 2 Skematik SPPK ... 14
Gambar 2. 3 Bilangan Fuzzy untuk Jenis Bangunan Tempat Tinggal ... 18
Gambar 2.4 Bilangan Fuzzy untuk Jenis Dinding Bangunan Tempat Tinggal ... 19
Gambar 2.5 Bilangan Fuzzy untuk Fasilitas Tempat Buang Air Besar ... 20
Gambar 2.6 Bilangan Fuzzy untuk Konsumsi daging/ayam/susu perminggu ... 21
Gambar 2.7 Bilangan Fuzzy untuk pembelian pakaian baru setiap anggota rumah tangga ... 22
Gambar 2. 8 Bilangan Fuzzy untuk Frekuensi Makan dalam Sehari ... 23
Gambar 2.9 Bilangan Fuzzy untuk Lapangan Pekerjaan Utama Kepala Keluarga... 24
Gambar 2.10 Bilangan Fuzzy untuk Pendidikan Teringgi Kepala Keluarga ... 25
Gambar 2. 11 Bilangan Fuzzy untuk Pemilik aset/harga bergerak atau tidak bergerak ... 26
Gambar 2. 12 Grafik Bobot ... 29
Gambar 4. 1 Diagram Use Case ... 40
Gambar 4. 2 Diagram Konteks ... 52
Gambar 4. 3 Diagram Aliran Data Tingkatan 1 ... 53
Gambar 4. 4 Diagram Aliran Data Tingkatan 2 Proses 1 ... 54
Gambar 4. 5 Diagram Aliran Data Tingkatan 2 Proses 2 ... 55
Gambar 4. 6 Diagram Ketergantungan ... 56
Gambar 4. 7 Diagram Relasional Entitas ... 58
Gambar 4. 8 Desain Logikal ... 59
Gambar 4. 9 Desain Interface Halaman Utama Menu File ... 65
Gambar 4. 10 Desain Interface Halaman Utama Menu Edit ... 65
Gambar 4. 11 Desain Interface Halaman Input Data Pemohon ... 66
Gambar 4. 12 Desain Interface Halaman Input Kriteria dan Sub Kriteria ... 67
Gambar 4. 13 Desain Interface Halaman Input Kriteria Pemohon ... 68
Gambar 4. 14 Desain Interface Halaman Edit dan Delete Kriteria dan Sub Kriteria ... 69
Gambar 4. 15 Desain Interface Halaman Edit dan Delete Kriteria Pemohon ... 70
Gambar 4. 16 Desain Interface Halaman Simulasi ... 71
Gambar 5. 1 Penerima jamkesda dengan patokan skor 3.8 ... 81
(17)
DAFTAR TABEL
Tabel 2. 1 Tabel pembobotan untuk kriteria 1 (C1) ... 19
Tabel 2. 2 Tabel pembobotan untuk kriteria 2 (C2) ... 19
Tabel 2. 3 Tabel pembobotan untuk kriteria 3 (C3) ... 20
Tabel 2. 4 Tabel pembobotan untuk kriteria 4 (C4) ... 21
Tabel 2. 5 Tabel pembobotan untuk kriteria 5 (C5) ... 22
Tabel 2. 6 Tabel pembobotan untuk kriteria 6 (C6) ... 23
Tabel 2. 7 Tabel pembobotan untuk kriteria 7 (C7) ... 24
Tabel 2. 8 Tabel pembobotan untuk kriteria 8 (C8) ... 25
Tabel 2. 9 Tabel pembobotan untuk kriteria 9 (C9) ... 26
Tabel 2. 10 Data Pemohon ... 26
Tabel 2. 11 Hasil Nilai Survei pemohon ... 27
Tabel 2. 12 Matriks Ternormalisasi ... 31
Tabel 4. 1 Narasi Use Case Memasukkan Data Warga ... 41
Tabel 4. 2 Narasi Use Case Mengubah Data Warga ... 42
Tabel 4. 3 Narasi Use Case Menghapus Data Warga ... 43
Tabel 4. 4 Narasi Use Case Memasukkan Data Kriteria dan Sub Kriteria ... 44
Tabel 4. 5 Narasi Use Case Mengubah Data Kriteria dan Sub Kriteria ... 45
Tabel 4. 6 Narasi Use Case Menghapus Data Kriteria dan Sub Kriteria ... 46
Tabel 4. 7 Narasi Use Case Memasukkan Data Kriteria Pemohon ... 47
Tabel 4. 8 Narasi Use Case Mengubah Data Kriteria Pemohon ... 49
Tabel 4. 9 Narasi Use Case Menghapus Data Kriteria Pemohon ... 50
Tabel 4. 10 Narasi Use Case Simulasi ... 51
Tabel 4. 11 Physical desain tabel warga ... 60
Tabel 4. 12 Physical desain tabel sub kriteria ... 62
Tabel 4.13 Physical desain tabel kriteria ... 62
Tabel 4.14 Physical desain tabel poin kriteria warga ... 63
Tabel 4.15 Struktur Tabel Login ... 63
Tabel 5. 1 Hasil Perhitungan menggunakan Excell yang dibandingkan dengan dengan hasil perhitungan sistem ... 73
Tabel 5. 2 Bobot Setiap Kriteria ... 76
Tabel 5. 3 Pembobotan Sub Kriteria pada Kriteria 1 (C1) ... 77
Tabel 5. 4 Pembobotan Sub Kriteria pada Kriteria 2 (C2) ... 77
Tabel 5. 5 Pembobotan Sub Kriteria pada Kriteria 3 (C3) ... 78
Tabel 5. 6 Pembobotan Sub Kriteria pada Kriteria 4 (C4) ... 78
Tabel 5. 7 Pembobotan Sub Kriteria pada Kriteria 5 (C5) ... 78
Tabel 5. 8 Pembobotan Sub Kriteria pada Kriteria 6 (C6) ... 79
Tabel 5. 9 Pembobotan Sub Kriteria pada Kriteria 7 (C7) ... 79
(18)
Tabel 5. 11 Pembobotan Sub Kriteria pada Kriteria 9 (C9) ... 80
Tabel 5. 12 Total Skor dari setiap warga ... 81
Tabel 5. 13 Range Nilai Patokan Skor ... 81
Tabel 5. 14 Data Warga yang menerima dan tidak menerima JAMKESDA ... 83
Tabel 5. 15 Tabel Perbedaan Hasil Keputusan Manual dan SPK ... 84
(19)
BAB I PENDAHULUAN
Pada bab pendahuluan ini akan membahas mengenai latar belakang masalah, rumusan masalah, batasan masalah, tujuan penelitian, dan manfaat penelitian.
1.1 Latar Belakang
Saat ini teknologi telah menjadi bagian yang tidak terpisahkan dari kehidupan setiap individu maupun organisasi. Teknologi hadir untuk memudahkan penggunanya dalam menyelesaikan berbagai macam hal. Perkembangan yang pesat tidak hanya teknologi perangkat keras dan perangkat lunak saja, tetapi metode komputasi juga ikut berkembang. Salah satu metode komputasi yang cukup berkembang saat ini adalah metode sistem pengambilan keputusan (DecisionsSupport System). Sistem pengambilan keputusan (Decisions Support System) merupakan sistem komputer yang interakftif dalam membantu pembuatan keputusan dengan menggunakan dan memanfaatkan data serta model untuk memecahkan masalah semi terstruktur. Salah satu metode yang sering digunakan yaitu Fuzzy MADM (Multiple Attribute Decission Making).
Metode Fuzzy MADM (Multiple Attribute Decission Making) adalah metode yang dapat mencari suatu alternatif terbaik dari berbagai alternatif berdasarkan kriteria-kriteria yang telah ditentukan. Metode Fuzzy MADM memiliki beberapa algoritma diantaranya : Simple Additive Weighting (SAW), Weighted Product (WP), ELECTRE, Technique for Order Preferences by Similarity to Ideal Solution (TOPSIS), Analytic Hierarchy Process (AHP). Metode SAW sering dikenal dengan metode penjumlahan terbobot. Konsep dasar
(20)
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 dibandingkan dengan semua rating alternatif yang ada.
Jaminan Kesehatan Daerah (JAMKESDA) adalah suatu upaya pemeliharaan kesehatan masyarakat yang pembiayaannya dikelola secara terpadu. Program JAMKESDA memiliki beberapa kriteria penerimaan JAMKESDA yaitu : Jenis lantai bangunan tempat tinggal, jenis dinding bangunan tempat tinggal, fasilitas tempat buang air besar, konsumsi daging/ayam/susu perminggu, pembelian pakaian baru setiap tahun anggota rumah tangga, frekuensi makan dalam sehari, lapangan pekerjaan utama kepala keluarga, pendidikan tertinggi kepala keluarga, dan pemiik aset/harga atau tidak bergerak. Selain itu, JAMKESDA merupakan program jaminan bantuan pembayaran biaya pelayanan kesehatan yang diberikan
Pemerintah Daerah Kab.Bojonegoro kepada masyarakat Kab.Bojonegoro. Sasaran
Program Jamkesda adalah seluruh masyarakat Kab.Bojonegoro yang belum memiliki jaminan kesehatan berupa Jamkesmas, ASKES dan asuransi kesehatan lainnya. Jenis-jenis pelayanan kesehatan yang ditanggung program JAMKESDA antara lain berupa pelayanan kesehatan di Puskesmas dan pelayanan kesehatan di rumah sakit. Pada penelitian ini dipilih metode Simple Additive Weighting (SAW) karena metode ini mampu menyeleksi altrenatif terbaik dari sejumlah alternatif, dalam hal ini alternatif yang dimaksudkan yaitu yang berhak menerima jaminan kesehatan daerah (JAMKESDA) berdasarkan kriteria-kriteria yang telah ditentukan. Metode SAW dipilih untuk menyelesaikan masalah pembagian
(21)
JAMKESDA karena metode ini mampu memberikan alternatif terbaik dengan adanya pemberian bobot pada setiap kriteria-kriteria yang telah ditentukan, kemudian dilakukan proses perankingan yang akan menentukan alternatif yang optimal. Kriteria-kriteria yang dimaksud disini mempunyai 9 kriteria untuk penerimaan JAMKESDA. Kriteria-kriteria dari JAMKESDA ini digunakan untuk menyeleksi calon penerima dari banyak alternatif. Oleh karena itu, metode SAW dapat digunakan karena adanya proses seleksi dengan beberapa kandidat yang dibandingkan dengan prosedure penerimaan JAMKESDA sehingga menghasilkan keputusan yang lebih tepat.
Adanya masalah yang terjadi penulis tertarik melakukan penelitian untuk mengukur tingkat ketepatan algoritma SAW (Simple Additive Weighting) dalam menyelesaikan masalah pengambilan keputusan penerimaan jaminan kesehatan daerah (JAMKESDA) di Kabupaten Bojonegoro-Jawa Timur Kelurahan Kepatihan.
1.2 Rumusan Masalah
Berdasarkan latar belakang di atas, maka masalah yang akan diselesaikan adalah :
Mengukur keakuratan dan ketepatan model SAW (Simple Additive
Weighting) untuk menyelesaian masalah pengambilan keputusan penerimaan JAMKESDA dibandingkan dengan hasil data penerima JAMKESDA pada kelurahan Kepatihan RT/RW 012/002 Bojonegoro-Jawa Timur.
(22)
1.3 Batasan Masalah
Dalam tugas akhir ini, permasalahan yang akan di bahas sebatas pada :
1. Data yang digunakan adalah data penerima JAMKESDA Kepatihan
RT/RW 012/002 Bojonegoro-Jawa Timur.
2. Model keputusan yang digunakan yaitu model Fuzzy Multiple Attribute
Decision Making (FMADM) dengan metode Simple Additive Weighting (SAW)
3. Sistem yang dibangun berbasis desktop.
1.4 Tujuan Penelitian
Tujuan yang dicapai dalam penelitian ini adalah :
1. Mengetahui tingkat ketepatan algoritma SAW (Simple Additive
Weighting) dalam pengambilan keputusan penerimaan JAMKESDA.
2. Untuk mendapatkan hasil yang lebih tepat warga yang berhak
mendapatkan JAMKESDA.
1.5 Manfaat Penelitian
Manfaat yang diberikan penelitian ini, yaitu :
1. Memberikan gambaran tentang langkah metode saw dalam
pengambilan keputusan penerimaan JAMKESDA.
2. Sebagai referensi penelitian lebih lanjut tentang pengambilan keputusan penerimaan JAMKESDA.
(23)
1.6 Sistematika Penulisan BAB I PENDAHULUAN
Bab ini berisi tentang latar belakang masalah, rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, dan sistematika penulisan.
BAB II LANDASAN TEORI
Bab ini berisi tentang dasar teori yang akan digunakan untuk pembahasan dalam penulisan laporan tugas akhir ini yang meliputi Sistem Pendukung Pengambilan Keputusan dan metode SAW BAB III METODOLOGI PENELITIAN
Bab ini berisi tentang metodologi penelitian yang akan dilakukan selama penelitian, terdiri dari : Analisis Masalah, Pengembangan Sistem, Pengujian Efektifitas Sistem, Analisis Data, Penarikan Kesimpulan.
BAB IV ANALISIS DAN PERANCANGAN SISTEM
Bab ini berisi tentang cara penerapan konsep dasar yang telah diuraikan pada bab sebelumnya untuk menganalisa dan merancang aplikasi.
BAB V ANALISIS HASIL IMPLEMENTASI
Bab ini berisi tentang analisa hasil dari implementasi sistem yang terdiri dari kelebihan dan kekurangan sistem yang dibuat.
(24)
BAB VI PENUTUP
Bab ini berisi tentang kesimpulan dan saran dari penulisan laporan tugas akhir yang disusun.
(25)
BAB II
LANDASAN TEORI
2.1 Sistem Pendukung Pengambilan Keputusan (SPK) 2.1.1 Pengertian SPPK
Konsep sistem pendukung pengambilan keputusan (SPPK) pertama kali diungkapkan oleh Michael S.Scott Morton dengan istilah Management Decision System pada awal tahun 1970-an. SPPK sebagai sebuah sistem berbasis komputer yang membantu dalam proses pengembalian keputusan. SPPK sebagai sistem informasi berbasis komputer yang adaptif, interaktif, fleksibel, yang secara khusus dikembangkan untuk mendukung solusi dari permasalahan manajemen yang tidak terstruktur untuk meningkatkan kualitas pengambilan keputusan. Dengan demikian dapat ditarik satu definisi tentang SPPK, yaitu sebuah sistem berbasis komputer yang adaptif, fleksibel, dan interkatif yang digunakan untuk memecahkan masalah-masalah semi terstruktur sehingga meningkatkan nilai keputusan yang diambil.
2.1.2 Tujuan Sistem Pendukung Pengambilan Keputusan
Menurut Turban (2005) Tujuan dari Sistem Pendukung Keputusan adalah :
1. Membantu manajer dalam pengambilan keputusan atas masalah semi
terstruktur.
2. Memberikan dukungan atas pertimbangan manajer dan bukannya di
maksudkan untuk menggantikan fungsi manajer
3. Meningkatkan efektivitas keputusan yang di ambil manajer lebih
(26)
4. Kecepatan komputasi. Komputer memungkinkan para pengambil
keputusan untuk melakukan banyak komputasi secara cepat dengan
biaya yang rendah.
5. Peningkatan produktivitas. Membangun suatu kelompok pengambil
keputusan, terutama para pakar, bisa sangat mahal. Pendukung
terkomputerisasi bisa mengurangi ukuran kelompok dan
memungkinkan para anggotanya untuk berada di berbagai lokasi yang berbeda-beda (menghemat biaya perjalanan). Selain itu, produktivitas staf pendukung (misalnya analisis keuangan dan hukum) bisa di tingkatkan. Produktivitas juga bisa di tingkatkan menggunakan peralatan optimasi yang menentukan cara terbaik untuk menjalankan sebuah bisnis.
6. Dukungan kualitas. Komputer bisa meningkatkan kualitas keputusan
yang di buat. Sebagai contoh, semakin banyak data yang di akses, makin banyak juga alernatif yang bisa di evaluasi. Analisis resiko bisa di lakukan dengan cepat dan pandangan dari para pakar (beberapa dari mereka berada di lokasi yang jauh) bisa dikumpulkan dengan cepat dan dengan biaya yang lebih rendah. Keahlian bahkan bisa di ambil langsung dari sebuah sistem computer melalui metode kecerdasan tiruan. Dengan computer, para pengambil keputusan bisa melakukan
simulasi yang kompleks, memeriksa banyak scenario yang
(27)
ekonomis. Semua kapabilitas tersebut mengarah kepada keputusan yang lebih baik.
7. Berdaya saing. Manajemen dan pemberdayaan sumber daya
perusahaan. Tekanan persaingan menyebabkan tugas pengambilan keputusan menjadi sulit. Persaingan di dasarkan tidak hanya pada harga, tetapi juga pada kualitas, kecepatan, kustomasi produk, dan dukungan pelanggan. Organisasi harus mampu secara sering dan cepat mengubah mode operasi, merekayasa ulang proses dan struktur, memberdayakan karyawan, serta berinovasi. Teknologi pengambilan keputusan bisa menciptakan pemberdayaan yang signifikan dengan cara memperbolehkan seseorang untuk membuat keputusan yang baik secara cepat, bahkan jika mereka memiliki pengetahuan yang kurang.
2.1.3 Ciri-ciri SPPK
Dikutip oleh Nainggolan (2011), Kenn merumuskan ciri-ciri SPPK sebagai berikut :
1. SPPK ditujukan untuk membantu keputusan-keputusan yang semi terstruktur dan umumnya dihadapi oleh para manajer yang berbeda di tingkat puncak
2. Dalam proses pengolahannya SPPK mengkombinasikan penggunaan
model-model dengan teknik pemasukan data konvensional serta fungsi-fungsi pencari
3. SPPK memiliki fasilitas interaktif yang dapat mempermudah hubungan
(28)
4. SPPK bersifat luwes dan dapat menyesuaikan dengan perubahan-perubahan yang terjadi
2.1.4 Karakteristik dan Kapabilitas SPPK
Dikutip oleh Kusrini (2007: 20), Turban, E.(2005) mendeskripsikan adanya perbedaan karakteristik SPPK dengan sistem informasi manajemen (SIM). Adapun karakteristik SPPK sebagai berikut :
1. SPPK menyediakan dukungan bagi pengambil keputusan utamanya
pada situasi semi terstruktur dan tak terstruktur dengan memadukan pertimbangan manusia dan informasi terkomputerisasi. (semi structured decisions)
2. Dukungan disediakan untuk berbagai level manajerial yang berbeda, mulai dari pimpinan puncak sampai manajer lapangan. (for different majerial level)
3. Dukungan disediakan bagi individu dan juga bagi group berbagai
masalah organisasional melibatkan pengambilan keputusan dari orang dalam group. Untuk masalah yang strukturnya lebih sedikit seringkali hanya membutuhkan keterlibatan beberapa individu dari departemen dan level organisasi yang berbeda. (for group and individual)
4. SPPK menyediakan dukungan ke berbagai keputusan yang berurutan
atau saling berkaitan. (independence or sequential decisions)
5. SPPK mendukung berbagai fase proses pengambilan keputusan:
intelligence, design, choice dan implementation. (support intelligence and choince)
(29)
6. SPPK mendukung berbagai proses pengambilan keputusan dan style yang berbeda-beda; ada kesesuaian diantara DSS dan atribut pengambil keputusan individu (contohnya vocabulary dan style keputusan).
7. SPPK selalu bisa beradaptasi sepanjang masa. Pengambil keputusan harus reaktif, mampu mengatasi perubahan kondisi secepatnya dan beradaptasi untuk membuat SPPK selalu bisa menangani perubahan ini. SPPK adalah fleksibel, sehingga user dapat menambahkan, menghapus, mengkombinasikan, mengubah, atau mengatur kembali elemen-elemen dasar (menyediakan respon cepat pada situasi yang tak diharapkan). Kemampuan ini memberikan analisis yang tepat waktu dan cepat setiap saat. (adatability and flexible )
8. Pengguna merasa seperti di rumah. Ramah-pengguna, kapabilatas grafis
yang sangat kuat, dan antarmuka manusia-mesin interaktif dengan satu bahasa alami dapat sangat meningkatkan keefektifitasan SPPK.
9. SPPK mencoba untuk meningkatkan efektivitas dari pengambilan
keputusan (akurasi, jangka waktu, kualitas), lebih daripada efisiensi yang bisa diperoleh (biaya membuat keputusan, termasuk biaya penggunaan komputer). (Effectiveness and not efficiency)
10. Pengambil keputusan memiliki kontrol menyeluruh terhadap semua
langkah proses pengambilan keputusan dalam menyelesaikan masalah. SPPK secara khusus ditujukan untuk mendukung dan tak menggantikan pengambil keputusan. Pengambil keputusan dapat menindaklanjuti rekomendasi komputer sembarang waktu dalam proses dengan
(30)
tambahan pendapat pribadi atau pun tidak. (human control the machine)
11. SPPK mengarah pada pembelajaran, yaitu mengarah pada kebutuhan
baru dan penyempurnaan sistem, yang mengarah pada pembelajaran tambahan, dan begitu selanjutnya dalam proses pengembangan dan peningkatan SPPK secara berkelanjutan.
12. User/pengguna harus mampu menyusun sendiri sistem yang sederhana.
Sistem yang lebih besar dapat dibangun dalam organisasi user tadi dengan melibatkan sedikit saja bantuan dari spesialis di bidang Information Systems (IS).
13. SPPK biasanya mendayagunakan berbagai model (standar atau sesuai keinginan user) dalam menganalisis berbagai keputusan. Kemampuan pemodelan ini menjadikan percobaan yang dilakukan dapat dilakukan pada berbagai konfigurasi yang berbeda. berbagai percobaan tersebut lebih lanjut akan memberikan pandangan dan pembelajaran baru. (modelling)
14. SPPK dalam tingkat lanjut dilengkapi dengan komponen knowledge
yang bisa memberikan solusi yang efisien dan efektif dari berbagai masalah yang pelik.
(31)
Gambar 2. 1 Karakteristik dan Kapabilitas SPPK
2.1.5 Komponen SPPK
Komponen-komponen SPPK menurut Turban, E (2005) sebagai berikut : 1. Pengolahan Data, termasuk database yang mengandung data yang
relevan untuk berbagai situasi dan diatur oleh software yang disebut Database Management Systems (DBMS).
2. Pengelolaan Model, melibatkan model finansial, statistikal, management science, atau berbagai model kuantitatif lainnya, sehingga dapat memberikan ke sistem suatu kemampuan analitis, dan manajemen software yang diperlukan.
(32)
3. Pengelolaan Dialog, User dapat berkomunikasi dan memberikan perintah pada SPK melalui subsistem ini. Ini berarti menyediakan antarmuka.
4. Pengelolaan Pengetahuan, Subsistem optional ini dapat mendukung subsistem lain atau bertindak sebagai komponen yang berdiri sendiri.
Gambar 2. 2 Skematik SPPK
2.1.6 Kelebihan dan Kekurangan
Setiap sistem teknologi pasti memiliki kelebihan dan keterbatasannya, sedangkan keterbatasan sistem pendukung keputusan yaitu :
1. Ada beberapa kemampuan manajemen dan bakat manusia yang tidak dapat
dimodelkan, sehingga model yang ada dalam sistem tidak semuanya mencerminkan persoalan sebenarnya.
Misalnya : kemampuan manusia untuk mengambil keputusan tidak hanya dipengaruhi oleh pengalaman dan pengetahuan yang mereka miliki, tapi juga dari saran orang-orang disekitarnya.
(33)
2. Kemampuan suatu SPK terbatas pada perbendaharaan pengetahuan yang dimilikinya (pengetahuan dasar serta model dasar). Maksudnya bahwa sistem pendukung keputusan hanya bisa menyelesaikan masalah sesuai data masukan yang diprogram dalam sistem itu.
3. Proses-proses yang dapat dilakukan SPK biasanya juga tergantung pada perangkat lunak yang digunakan.
4. SPK tidak memiliki kemampuan intuisi seperti yang dimiliki manusia. Sistem ini dirancang hanyalah untuk membantu pengambil keputusan dalam melaksanakan tugasnya sehingga ada permasalahan yang tidak bisa dikerjakan oleh sistem pendukung keputusan dan harus dikerjaka manusia.
2.1.7 Jenis-Jenis Sistem Pengambilan Keputusan
Jenis-jenis SPK menurut tingkat kerumitan dan tingkat dukungan
pemecahan masalahnya menurut Alter(1976) adalah sebagai berikut:
●Mengambil elemen-elemen informasi.
●Menganalisis seluruh file.
●Menyiapkan laporan dari berbagai file. ●Memperkirakan dari akibat keputusan.
●Mengusulkan keputusan.
●Membuat keputusan.
2.2 Fuzzy Multiple Atribute Decision Making FMADM
Fuzzy Multiple Attribute Decision Making atau FMADM merupakan suatu metode yang digunakan untuk mencari alternative optimal dari sejumlah alternative optimal dari sejumlah alternative dengan criteria tertentu. Inti dari
(34)
FMADM adalah menentukan nilai bobot untuk setiap atribut yang selanjutnya akan dilakukan proses perankingan yang akan menyelekaai alternative yang sudah diberikan. Ada 3 pendekatan untuk mencari nilai bobot atribut, yaitu : pendekatan subyektif, pendekatan obyektif dan pendekatan integrasi antara subyektif dan obyektif. Pada pendekatan subyektif, nilai bobot ditentukan berdasarkan subyektifitas dari para pengambil keputusan sehingga, beberapa faktor dalam proses perankingan alternative bisa ditentukan secara bebas. Sedangkan pendekatan obyektif, nilai bobot dihitung secara matematis sehingga mengabaikan subyektifitas dari pengambilan keputusan. Beberapa metode yang dapat untuk menyelesaikan masalah FMADM, yaitu :
1. Simple Additive Weighting (SAW) 2. Weighted Product (WP)
3. ELECTRE
4. Technique for Order Preferences by Similarity to Ideal Solution (TOPSIS)
5. Analytic Hierarchy Process (AHP)
2.3 Tiga Pendekatan Mencari nilai bobot atribut
Ada 3 pendekatan untuk mencari nilai bobot atribut, yaitu: pendekatan subyektif, pendekatan obyektif dan pendekatan integrasi antara subyektif dan obyektif. Pada pendekatan subyektif, nilai bobot ditentukan berdasarkan subyektifitas dari para pengambil keputusan, sehingga beberapa faktor dalam proses perankingan alternative bisa ditentukan secara bebas. Sedangkan,
(35)
pendekatan obyektif nilai bobot dihitung secara matematis sehingga mengabaikan subyektifitas dari pengambilan keputusan.
Dalam hal ini, sistem pendukung pengambilan keputusan seleksi
penerimaan jaminan kesehatan daerah menggunakan pendekatan integrasi.
Pendekatan integrasi digunakan dalam seleksi penerimaan jaminan kesehatan daaerah dikarenakan adanya peraturan yang digunakan oleh staff kelurahan sebagai pengambil keputusan dan dibantu dengan perhitungan manual untuk menentukan bobot kriteria, vektor bobot, interval untuk masing-masing kriteria.
2.4 Metode Simple Additive Weighting (SAW)
Metode SAW sering juga dikenal dengan istilah metode penjumlahan terbobot. Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja setiap alternatif pada semua atribut. Metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua alternatif yang ada. Matrix keputusan (x) dibentuk dari skor alternatif x dan nilai bobot setiap atribut W. Berikut ini merupakan penjelasan lebih lengkap untuk memahami metode Simple Addative Weighting (SAW) :
-Sistem pendukung pengambilan keputusan ini mengelola pengambilan
keputusan seleksi penerimaan Jamkesda dengan 9 kriteria beserta bobot tiap kriteria dalam pengambilan keputusan. Sebagai contoh, ada 3 pemohon calon penerima Jaminan Kesehatan Daerah, yaitu Imam.H (A1), Hari.S (A2), dan Kuntinah (A3). Berikut ini 9 kriteria yang
(36)
digunakan dalam pengambilan keputusan seleksi penerimaan JAMKESDA:
1. Jenis Lantai Bangunan Tempat tinggal (C1)
2. Jenis Dinding Bangunan Tempat Tinggal (C2)
3. Fasilitas Tempat Buang Air Besar (C3)
4. Konsumsi daging/ayam/susu perminggu (C4)
5. Pembelian pakaian baru setiap anggota rumah tangga (C5)
6. Frekuensi makan dalam sehari (C6)
7. Lapangan pekerjaan utama Kepala Keluarga (C7)
8. Pendidikan tertinggi kepala keluarga (C8)
9. Pemilik aset/harga bergerak atau tidak bergerak (C9)
Kriteria-kriteria yang digunakan dalam pengambilan keputusan sebagai berikut:
Kriteria 1 : Jenis Lantai Bangunan Tempat Tinggal (C1)
Kriteria jenis bangunan tempat tinggal terbagi atas 3 bilangan fuzzy, yaitu rendah (R), sedang (S), tinggi (T). Seperti terlihat pada gambar di
bawah. Dari gambar tersebut, bilangan-bilangan fuzzy dapat
dikonversikan ke bilangan crisp R= 0,33 ; S=0,67 ; T=1,00
Gambar 2. 3 Bilangan Fuzzy untuk Jenis Bangunan Tempat Tinggal
0,33 0,67 1,00
0 1 µ(w)
(37)
Tabel 2. 1 Tabel pembobotan untuk kriteria 1 (C1)
Jenis Lantai (X) Nilai
Tanah 0,33
Ubin 0,67
Keramik 1,0
C1 merupakan kriteria jenis lantai bangunan tempat tinggal. Jenis lantai tanah diberi nilai 0,33 = rendah, jenis lantai ubin diberi nilai 0.67 = sedang, dan jenis lantai keramik diberi nilai 1.00 = tinggi.
Kriteria 2 : Jenis Dinding Bangunan Tempat Tinggal (C2)
Kriteria jenis dinding bangunan tempat tinggal terbagi atas 3 bilangan fuzzy, yaitu rendah (R), sedang (S), tinggi (T). Seperti terlihat pada gambar di bawah. Dari gambar tersebut, bilangan-bilangan fuzzy dapat dikonversikan ke bilangan crisp R= 0,33 ; S=0,67 ; T=1,00
Gambar 2.4 Bilangan Fuzzy untuk Jenis Dinding Bangunan Tempat Tinggal
Tabel 2. 2 Tabel pembobotan untuk kriteria 2 (C2)
Jenis Dinding (X) Nilai
Tembok Bambu 0,33
Tembok Batu Bata 0,67
Tembok Halus 1,0
0,33 0,67 1,00
0 1 µ(w)
(38)
C2 merupakan kriteria jenis dinding bangunan tempat tinggal. Jenis tembok bambu diberi nilai 0,33 = rendah, jenis tembok batu bata diberi nilai 0.67 = sedang, dan jenis tembok halus diberi nilai 1.00 = tinggi.
Kriteria 3 : Fasilitas Tempat Buang Air Besar (C3)
Kriteria fasilitas tempat buang air besar terbagi atas 3 bilangan fuzzy, yaitu rendah (R), sedang (S), tinggi (T). Seperti terlihat pada gambar di
bawah. Dari gambar tersebut, bilangan-bilangan fuzzy dapat
dikonversikan ke bilangan crisp R= 0,33 ; S=0,67 ; T=1,00
Gambar 2.5 Bilangan Fuzzy untuk Fasilitas Tempat Buang Air Besar Tabel 2. 3 Tabel pembobotan untuk kriteria 3 (C3)
Jenis Tempat (X) Nilai
Tidak Punya 0,33
Sederhana 0,67
Modern 1,0
C3 merupakan kriteria jenis tempat buang air besar. Tidak mempunyai diberi nilai 0,33 = rendah, sederhana diberi nilai 0.67 = sedang, modern diberi nilai 1.00 = tinggi.
0,33 0,67 1,00
0 1 µ(w)
(39)
Kriteria 4 : Konsumsi daging/ayam/susu perminggu (C4)
Kriteria konsumsi daging/ayam/susu perminggu terbagi atas 3 bilangan fuzzy, yaitu rendah (R), sedang (S), tinggi (T). Seperti terlihat pada gambar di bawah. Dari gambar tersebut, bilangan-bilangan fuzzy dapat dikonversikan ke bilangan crisp R= 0,33 ; S=0,67 ; T=1,00
Gambar 2.6 Bilangan Fuzzy untuk Konsumsi daging/ayam/susu perminggu
Tabel 2. 4 Tabel pembobotan untuk kriteria 4 (C4) Konsumsi
daging/ayam/susu (X)
Nilai
Tidak Pernah 0,33
Seminggu 1 kali 0,67
Seminggu 2 kali 1,0
C4 merupakan kriteria konsumsi daging/ayam/susu perminggu. Tidak pernah diberi nilai 0,33 = rendah, seminggu 1 kali diberi nilai 0.67 = sedang, dan seminggu 2 kali diberi nilai 1.00 = tinggi.
0,33 0,67 1,00
0 1 µ(w)
(40)
Kriteria 5 : Pembelian Pakaian Baru setiap anggota rumah tangga (C5) Kriteria pembelian pakaian baru setiap anggota rumah tangga terbagi atas 3 bilangan fuzzy, yaitu rendah (R), sedang (S), tinggi (T). Seperti terlihat pada gambar di bawah. Dari gambar tersebut, bilangan-bilangan fuzzy dapat dikonversikan ke bilangan crisp R= 0,33 ; S=0,67 ; T=1,00
Gambar 2.7 Bilangan Fuzzy untuk pembelian pakaian baru setiap anggota rumah tangga
Tabel 2. 5 Tabel pembobotan untuk kriteria 5 (C5) Pembelian
Pakaian (X)
Nilai
Tidak Pernah 0,33
Setiap hari raya 0,67
3 bulan sekali 1,0
C5 merupakan kriteria pembelian pakaian baru setiap anggota rumah tangga. Tidak pernah diberi nilai 0,33 = rendah, setiap hari raya diberi nilai 0.67 = sedang, dan 3 bulan sekali diberi nilai 1.00 = tinggi.
Kriteria 6 : Frekuensi makan dalam sehari (C6)
Kriteria frekuensi makan dalam sehari terbagi atas 3 bilangan fuzzy, yaitu rendah (R), sedang (S), tinggi (T). Seperti terlihat pada gambar di
0,33 0,67 1,00
0 1 µ(w)
(41)
bawah. Dari gambar tersebut, bilangan-bilangan fuzzy dapat dikonversikan ke bilangan crisp R= 0,33 ; S=0,67 ; T=1,00
Gambar 2. 8 Bilangan Fuzzy untuk Frekuensi Makan dalam Sehari Tabel 2. 6 Tabel pembobotan untuk kriteria 6 (C6)
Makan dalam sehari (X)
Nilai
1 kali sehari 0,33
2 kali sehari 0,67
3 kali sehari 1,0
C6 merupakan kriteria frekuensi makan dalam sehari. 1 kali sehari diberi nilai 0,33 = rendah, 2 kali sehari diberi nilai 0.67 = sedang, dan 3 kali sehari diberi nilai 1.00 = tinggi.
Kriteria 7 : Lapangan pekerjaan utama Kepala Keluarga (C7)
Kriteria lapangan pekerjaan utama terbagi atas 3 bilangan fuzzy, yaitu rendah (R), sedang (S), tinggi (T). Seperti terlihat pada gambar di bawah. Dari gambar tersebut, bilangan-bilangan fuzzy dapat dikonversikan ke bilangan crisp R= 0,33 ; S=0,67 ; T=1,00
0,33 0,67 1,00
0 1 µ(w)
(42)
Gambar 2.9 Bilangan Fuzzy untuk Lapangan Pekerjaan Utama Kepala Keluarga
Tabel 2. 7 Tabel pembobotan untuk kriteria 7 (C7)
Lapangan pekerjaan utama (X) Bobot
Buruh 0,33
Pedagang/Wiraswasta/Peg.Swasta 0,67
PNS 1,0
C7 merupakan lapangan pekerjaan utama kepala keluarga. Buruh diberi nilai 0,33 = rendah, pedagang/wiraswasta/peg.swasta diberi nilai 0.67 = sedang, dan PNS diberi nilai 1.00 = tinggi.
Kriteria 8 : Pendidikan tertinggi kepala keluarga (C8)
Kriteria pendidikan tertinggi kepala keluarga terbagi atas 4 bilangan fuzzy, yaitu sangat rendah (SR), rendah (R), sedang (S), tinggi (T). Seperti terlihat pada gambar di bawah. Dari gambar tersebut, bilangan-bilangan fuzzy dapat dikonversikan ke bilangan-bilangan crisp SR=0,25 R= 0,5 ; S=0,75 ; T=1,00
0,33 0,67 1,00
0 1 µ(w)
(43)
Gambar 2.10 Bilangan Fuzzy untuk Pendidikan Teringgi Kepala Keluarga
Tabel 2. 8 Tabel pembobotan untuk kriteria 8 (C8) Pendidikan
tertinggi (X)
Nilai
Tamat SD 0,25
Tamat SMP 0,5
Tamat SMA 0,75
Tamat S1/S2 1,00
C8 merupakan kriteria pendidikan tertinggi kepala keluarga. Tamat SD diberi nilai 0.25 = sangat rendah, tamat SMP diberi nilai 0.5 = rendah, tamat SMA diberi nilai 0.75 = sedang, dan tamat S1/S2 diberi nilai 1.00 = tinggi.
Kriteria 9 : Pemilik aset/harga bergerak atau tidak bergerak (C9)
Kriteria pemilik aset/harga bergerak atau tidak bergerak terbagi atas 3 bilangan fuzzy, yaitu rendah (R), sedang (S), tinggi (T). Seperti terlihat pada gambar di bawah. Dari gambar tersebut, bilangan-bilangan fuzzy dapat dikonversikan ke bilangan crisp R= 0,33 ; S=0,67 ; T=1,00
SR R S
0,25 0,5 0,75
0 1 µ(w)
T
(44)
Gambar 2. 11 Bilangan Fuzzy untuk Pemilik aset/harga bergerak atau tidak bergerak
Tabel 2. 9 Tabel pembobotan untuk kriteria 9 (C9)
Aset (X) Nilai
Tidak mempunyai 0,33
Harta benda dijual <500rb 0,67
Harta benda dijual >500rb 1,0
C9 merupakan kriteria pemilik aset/harga bergerak atau tidak bergerak. Tidak mempunyai diberi nilai 0,33 = rendah, harta benda dijual < 500rb diberi nilai 0.67 = sedang, dan harta benda dijual > 500rb diberi nilai 1.00 = tinggi.
-Berikut ini contoh perhitungan manual:
a. Diketahui 3 calon penerima Jaminan Kesehatan Daerah :
Tabel 2. 10 Data Pemohon
Kriteria Nama Pemohon
Imam.H Hary.S Kuntinah
Jenis Bangunan Tempat Tinggal Keramik Keramik Ubin
Dinding Bangunan Tempat Tinggal Tembok Halus
Tembok Halus
Tembok Halus
0,33 0,67 1,00
0 1 µ(w)
(45)
Fasilitas Tempat Buang Air Besar Modern Modern Sederhana Konsumsi daging/ayam/susu perminggu 2 kali seminggu 2 kali seminggu Tidak Pernah Pembelian Pakaian Baru setiang
anggota rumah tangga
Setiap hari raya Setiap hari raya Setiap hari raya
Frekuensi makan dalam sehari 3kali
sehari
3 kali sehari
1 kali sehari
Lapangan pekerjaan utama Kepala Keluarga
Wiraswata PNS Buruh
Pendidikan tertinggi kepala keluarga Lulus SLTA
S1 Tidak
Lulus SD Pemilik aset/harga bergerak atau
tidak bergerak Memiliki aset jual lebih dari 500rb Memiliki aset jual lebih dari 500rb Tidak mempunyai
b. Data pemohon pada tabel diatas dibentuk rating kecocokan dari setiap alternatif pada setiap kriteria. Rating kecocokan ini merupakan hasil survei pemohon/kandidat
Tabel 2. 11 Hasil Nilai Survei pemohon Pemohon
(Ai)
Nilai Survei Kriteria
C1 C2 C3 C4 C5 C6 C7 C8 C9
A1 1 1 1 1 0,67 1 0,67 0,75 1
A2 1 1 1 1 0,67 1 1 1 1
(46)
Keterangan :
A1 = Nama Kandidat penerima Jamkesda yaitu Imam H A2 = Nama Kandidat penerima Jamkesda yaitu Hary S A3 = Nama Kandidat penerima Jamkesda yaitu Kuntinah
C1 = Kriteria 1 yaitu kriteria untuk jenis lantai bangunan tempat tinggal
C2 =Kriteria 2 yaitu kriteria untuk jenis dinding bangunan tempat tinggal
C3 = Kriteria 3 yaitu kriteria untuk fasilitas tempat buang air besar C4 = Kriteria 4 yaitu kriteria untuk konsumsi daging/ayam/susu perminggu
C5 = Kriteria 5 yaitu kriteria untuk pembelian pakaian baru setiap tahun
C6 = Kriteria 6 yaitu frekuensi makan dalam sehari
C7 = Kriteria 7 yaitu lapangan pekerjaan utama kepala keluarga C8 = Kriteria 8 yaitu pendidikan tertinggi kepala keluarga
C9 = Kriteria 9 yaitu pemilik aset/harga bergerak atau tidak bergerak.
c. Pemberian bobot pada tiap kriteria berdasarkan tingkat kepentingan masing-masing kriteria. Tingkat kepentingan dibagi menjadi 3 prioritas. Prioritas 1 = 0,33 (R), prioritas 2 = 0,67 (S), dan prioritas 3 = 1,00 (T).
(47)
Gambar 2. 12 Grafik Bobot
w(bobot) = {0.67,0.67,1.00,1.00,0.67,0.33,0.33,1.00,0.33}
d. Melakukan proses normalisasi. Adapun formula yang digunakan
dalam proses normalisasi sebagai berikut :
Keterangan :
rij : nilai rating kinerja ternormalisasi
xij : nilai atribut yang dimiliki dari setiap kriteria
Max xij : nilai terbesar dari setiap kriteria i Min xij : nilai terkecil dari setiap kriteria i Benefit :jika nilai terbesar adalah terbaik cost : jika nilai terkecil adalah terbaik
i : menunjuk pada nilai tertentu
Dimana rij adalah rating kinerja ternormalisasi dari alternatif Ai pada atribut Cj ; i=1,2,…,m dan j=1,2,…,n. Proses normalisasi akan menghasilkan matrix ternormalisasi.
Jika j adalah atribut manfaat (benefit)
Jika j adalah atribut biaya (cost)
Rumus Normalisasi (2.1)
0,33 0,67 1,00
0 1 µ(w)
(48)
Berikut ini contoh perhitungan normalisasi untuk memperjelas
penggunaan formula normalisasi pada Rumus 2.1 :
Pada kasus ini menggunakan atribut biaya (cost) karena semakin kecil skor maka peluang memperoleh Jamkesda semakin besar sehingga digunakan normalisasi Min.
Alternatif A1 (Imam H)
Alternatif A2 ( Hari Susanto) = 0,67
1
r14 = MIN(1;1;0,33) = 0,33
1
r19 = MIN(1;1;0,33) = 0,33 = 0,67 1
r11 = MIN(1;1;0,67)
1
r12 = MIN(1;1;1) = 1
1 r13 = MIN(1;1;0,67)
0,67
r15 = MIN(0.67;0,67;0,67) = 1
1
r16 = MIN(1;1;0,33) = 0,33
0,67
r17 = MIN(0,67;1;0,33) = 0,4925
0,75
r18 = MIN(0,75;1;0,25) = 0,33
= 0,67
1
R24 MIN(1;1;0,33) = 0,33
1
R29 MIN(1;1;0,33) = 0,33 = 0,67 1
R21 = MIN(1;1;0,67)
1
R22 MIN(1;1;1) = 1
1 R23 MIN(1;1;0,67)
0,67
R25 MIN(0.67;0,67;0,67) = 1
1
R26 MIN(1;1;0,33) = 0,33
1
R27 MIN(0,67;1;0,33) = 0,33
1
(49)
Alternatif A3 (Kuntinah)
Proses normalisasi tersebut akan menghasilkan matrix ternormalisasi seperti tabel dibawah ini :
Tabel 2. 12Matriks Ternormalisasi
e. Selanjutnya, menjumlahkan hasil kali matriks ternormalisasi (r) dengan bobot kriteria (w) yang menghasilkan nilai preferensi (V). Formula nilai preferensi untuk setiap alternative (Vi) sebagai berikut:
Keterangan :
vi : rangking untuk setiap alternatif
wj : bobot dari setiap kriteria
Rumus Nilai Preferensi (2.2) r =
= 1
0,33
R34 MIN(1;1;0,33) = 1
0,33
R39 MIN(1;1;0,33) = 1 = 1
1
R32 MIN(1;1;1) = 1
0,67 R33 MIN(1;1;0,67)
0,67
R35 MIN(0.67;0,67;0,67) = 1
0,33
R36 MIN(1;1;0,33) = 1
0,33
R37 MIN(0,67;1;0,33) = 1
0,25
R38 MIN(0,75;1;0,25) = 1 0,67
(50)
rij : nilai rating kinerja ternormalisasi
Berikut ini contoh perhitungan preferensi untuk memperjelas penggunaan formula preferensi pada Rumus 2.2 :
V1 (Imam H)
=((0,67*0,67)+(0,67*1,00)+(1,00*0,67)+(1,00*0,33)+(0,67*1,00)+
(0,33*0,33)+(0,33*0,4925)+(1,00*0,33)+(0.33*0,33)) = 3.494
V2 ( Hari Susanto)
=((0,67*0,67)+(0,67*1,00)+(1,00*0,67)+(1,00*0,33)+(0,67*1,00)+
(0,33*0,33)+(0,33*0,33)+(1,00*0,25)+(0,33*0,33)) = 3.357
V3 (Kuntinah)
=((0,67*1,00)+(0,67*1,00)+(1,00*1,00)+(1,00*1,00)+(0,67*1,00)+
(0,33*1,00)+(0,33*1,00)+(1,00*1,00)+(0,33*1,00)) = 5,99
Setelah melakukan perhitungan nilai preferensi, langkah selanjutnya adalah melakukan perankingan untuk mendapatkan alternatif terbaik. Nilai Vi yang lebih besar mengindikasikan bahwa alternative Ai lebih terpilih. Dari contoh perhitungan preferensi diatas maka diperoleh alternatif terbaik yaitu Kuntinah (V3).
2.5 Jaminan Kesehatan Daerah (JAMKESDA)
Jaminan Kesehatan Daerah (JAMKESDA) adalah suatu upaya pemeliharaan kesehatan yang pembiayaannya dikelola secara terpadu. Selain itu, JAMKESDA merupakan program jaminan bantuan pembayaran biaya pelayanan kesehatan
(51)
yang diberikan Pemerintah Daerah Kab. Bojonegoro kepada masyarakat Kab. Bojonegoro. Sasaran Program Jamkesda adalah seluruh masyarakat Kab. Bojonegoro yang belum memiliki jaminan kesehatan berupa Jamkesmas, ASKES dan asuransi kesehatan lainnya. Jenis-jenis pelayanan kesehatan yang ditanggung program JAMKESDA antara lain berupa pelayanan kesehatan di Puskesmas dan pelayanan kesehatan di rumah sakit. Kriteria-kriteria penerimaan JAMKESDA atau jaminan kesehatan daerah, yaitu :
1. Jenis lantai bangunan tempat tinggal. 2. Jenis dinding bangunan tempat tinggal. 3. Fasilitas tempat buang air besar.
4. Konsumsi daging/ayam/susu perminggu
5. Pembelian pakaian baru setiap anggota rumah tangga.
6. Frekuensi makan dalam sehari.
7. Lapangan pekerjaan utama kepala keluarga.
8. Pendidikan tertinggi kepala keluarga.
(52)
BAB III
METODOLOGI PENELITIAN
Bab ini berisi uraian tentang cara pengambilan data untuk penelitian. Cara pengambilan data tersebut dapat dilakukan berbagai langkah seperti yang akan dijelaskan dibawah ini.
3.1 Rumusan Masalah
Saat ini teknologi telah menjadi bagian yang tidak terpisahkan dari kehidupan setiap orang. Teknologi hadir untuk memudahkan penggunanya dalam menyelesaikan berbagai macam masalah. Tidak hanya perangkat keras dan perangkat lunak yang berkembang, metode komputasi pun juga ikut berkembang. Salah satu metode yang berkembang adalah Sistem Pendukung Pengambilan Keputusan. Sistem pendukung pengambilan keputusan semi terstuktur dan tidak terstruktur dapat diselesaikan dengan adanya sistem pendukung pengambilan keputusan. Salah satu kasus yang digunakan dalam penelitian ini adalah seleksi penerimaan Jamkesda. Seleksi penerimaan jaminan kesehatan terkadang ditentukan dengan keputusan yang tidak sesuai sehingga dapat merugikan masyarakat. Adanya masalah tersebut penulis ingin melakukan suatu penelitian dengan kasus seleksi penerimaan Jaminana Kesehatan Daerah dengan metode SAW, adapun rumusan masalah pada penelitian ini adalah mengukur keakuratan dan ketepatan model SAW (Simple Additive Weighting) yang digunakan untuk menyelesaikan masalah penerimaan JAMKESDA pada Kelurahan Kepatihan RT/RW 12/05 Bojonegoro, Jawa Timur. Sistem yang ada diharapkan dapat membantu dalam pengambilan keputusan dan dapat memberikan hasil keputusan
(53)
yang tepat. Dari adanya masalah tersebut maka metodologi penelitian yang digunakan, sebagai berikut :
1. Analisis Masalah
Pada tahapan ini bertujuan melakukan analisis masalah untuk mengolah hasil dari interview untuk penentuan syarat-sayarat dan data-data yang dibutuhkan dalam proses penerimaan JAMKESDA. Wawancara dilakukan untuk mengetahui kebutuhan dan syarat-syarat penerimaan JAMKESDA. Kegiatan wawancara ditujukan kepada Kepala Kelurahan dan pegawai kelurahan Kepatihan. Hasil dari wawancara tersebut akan digunakan sebagai input dalam tahap analisis. Proses yang dilakukan bertujuan untuk mempelajari kebutuhan dan syarat-syarat selama proses pemilihan penerima JAMKESDA berlangsung. Setelah analais dilakukan maka hasil analisis masalah akan berupa perkiraan syarat-syarat penerimaan JAMKESDA dan data-data yang dibutuhkan dalam penelitian ini. Syarat-syarat penerimaan JAMKESDA, meliputi 9 kriteria yang telah ditetapkan. Dari syarat-syarat tersebut dapat ditentukan masyarakat yang menerima dan tidak menerima JAMKESDA.
2. Pengembangan Sistem
Pada tahapan ini bertujuan untuk melakukan perancangan dan pengembangan sistem pendukung pengambilan keputusan penerimaan
(54)
Sistem pendukung keputusan penerimaan JAMKESDA dikembangkan menggunakan bahasa pemrograman Java dan MySQL.
3. Pengujian Sistem
Pada tahapan ini bertujuan untuk melakukan pengujian sistem yang telah dibuat. Pengujian sistem tersebut bertujuan untuk mengetahuai ketepatan penggunaan model SAW dalam pengambilan keputusan pada sistem penerimaan JAMKESDA. Proses pengujian dilakukan dengan melakukan simulasi terhadap sistem tersebut dengan menginputkan data-data yang didapat dari hasil wawancara dan observasi. Hasil yang diharapkan berupa masyarakat yang menerima atau tidak menerima JAMKESDA.
4. Analisis Data
Pada tahapan ini bertujuan membantu penulis dalam mempelajari hasil pengujian yang didapatkan pada tahapan sebelumnya yang diharapkan dapat membantu dalam penarikkan kesimpulan terhadap penelitian ini. Dalam tahap ini, input berupa data yang diperoleh dari hasil wawancara dengan kepala kelurahan dan pegawai kelurahan. Data tersebut berupa data warga/masyarakat sebanyak 39 data warga mampu maupun tidak mampu yang menerima JAMKESDA maupun yang tidak menerima JAMKESDA. Proses selanjutnya berupa analisis data yang dilakukan dengan cara membandingkan hasil keputusan dari sistem dengan keputusan asli dari data kelurahan kepatihan (hasil manual). Bila ada perbedaan hasil keputusan
(55)
sistem dan hasil manual dari kelurahan selanjutnya akan dilakukan pengecekkan untuk mengetahui bobot kriteria yang menyebabkan terjadinya perbedaan hasil keputusan antara sistem pendukung keputusan dan manual dengan cara manual melihat dari data asli. Ketepatan dan keakuratan dari sistem ini dapat dilihat dari perbedaan hasil antara sistem dan manual. Bila pada keputusan manual kondisi warga “mampu” warga tersebut menerima Jamkesda, namun pada sistem warga dengan kondisi “mampu” warga tersebut tidak menerima Jamkesda. Hasil yang diperoleh dari analisa data akan digunakan dalam langkah selanjutnya yaitu penarikkan kesimpulan.
5. Penarikkan Kesimpulan
Pada tahapan ini penulis akan menarik suatu kesimpulan berupa keputusan terhadap penelitian ini. Ketepatan dan keakuratan metode SAW dalam memberikan hasil keputusan yang lebih baik dapat dilihat dari perbedaan hasil keputusan sistem dan hasil keputusan kelurahan (manual). Ketepatan metode SAW untuk menyeleksi calon penerima Jamkesda dilihat dari warga yang “tidak mampu” dan warga tersebut menerima Jamkesda namun pada keputusan manual warga tersebut “tidak menerima” Jamkesda. Sehingga, adanya perbedaan yang diperoleh dari keputusan sistem dan manual membuktikan bahwa sistem ini tepat dan akurat dalam pengambilan keputusan dalam penerimaan JAMKESDA.
(56)
BAB IV
PERANCANGAN DAN IMPLEMENTASI SISTEM 4.1 Analisis Sistem
4.1.1 Ruang Lingkup Masalah A. Sistem yang ada saat ini
Saat ini sistem pendukung pengambilan keputusan untuk seleksi penerimaan kartu Jaminan Kesehatan Daerah di Kelurahan Kepatihan Kabupaten Bojonegoro masih menggunakan cara manual. Pengambilan keputusan secara manual membuat staf Kelurahan setempat tidak tepat dalam menentukan keputusan. Pengambilan keputusan yang tidak tepat meresahkan warga yang seharusnya mendapatkan kartu Jaminan
Kesehatan tetapi tidak mendapat kartu kesehatan tersebut.
Ketidaktepatan staf dalam mengambil keputusan dikarenakan
banyaknya warga yang ingin menerima Jamkesda namun quota yang
ada tidak cukup untuk seluruh warga. Sistem yang baru ini diharapkan dapat membantu memberikan rekomendasi untuk staf Kelurahan Kepatihan dalam pengambilan keputusan yang tepat.
B. Sistem yang akan dibangun
Sistem yang dibangun merupakan sistem yang digunakan untuk membantu staf Kelurahan Kepatihan dalam menyeleksi warga yang pantas menerima kartu Jaminan Kesehatan Daerah sesuai yang diharapkan. Metode yang akan digunakan dalam membuat sistem
(57)
Attribute Decission Making (MADM). Metode FMADM (Multiple Attribute Decission Making) adalah metode yang dapat mencari suatu alternatif terbaik dari berbagai alternatif berdasarkan kriteria-kriteria yang telah ditentukan. Dari beberapa algoritma yang dimiliki oleh metode Fuzzy MADM, sistem pendukung pengambilan keputusan ini
memilih menggunakan algoritma Simple Additive Weighting (SAW).
Metode SAW dipilih untuk menyelesaikan masalah pembagian JAMKESDA karena metode ini mampu memberikan alternatif terbaik dengan adanya pemberian bobot pada setiap kriteria-kriteria yang telah ditentukan, kemudian dilakukan proses perankingan dan patokan skor yang akan menentukan alternatif yang optimal.
4.2 Perancangan Sistem
Pada tahap ini akan dijelaskan hasil perancangan sistem yang terdiri dari use-case, diagram aliran data (DAD), manajemen model, manajemen data, manajemen dialog, dan manajemen knowledge.
4.2.1 Diagram Use Case
Diagram use-case merupakan model diagram UML yang digunakan untuk
menggambarkan kebutuhan fungsional yang diharapkan dari sebuah
sistem. Diagram use-case adalah gambaran dari beberapa atau semua aktor,
use-case, dan interaksi diantara komponen-komponen tersebut yang memperkenalkan
(58)
Gambar 4. 1Diagram Use Case login
Menambah data warga Mengubah data warga Menghapus data warga
Menambah data kriteria dan sub kriteria
Mengubah data kriteria dan sub kriteria Menghapus data kriteria
dan sub kriteria
Mengubah data kriteria pemohon
Memasukkan data kriteria pemohon
extends extends extends
extends
extends
extends
extends
extends Staff
Kelurahan
logout extends
extends
Menghapus data kriteria pemohon
Simulasi SAW extends
(59)
4.2.2 Skenario Use Case
1. Memasukkan Data Warga
Aktor : Staf Kelurahan
Kondisi Awal : Staf Kelurahan telah login ke sistem
Kondisi Akhir : Sistem mengonfirmasikan kepada staf kelurahan bahwa data warga tersimpan
Tabel 4. 1 Narasi Use Case Memasukkan Data Warga
Aksi Reaksi
1. Staf Kelurahan memilih File
kemudian memilih menu item Input Data Warga
3. Staf Kelurahan memasukkan
data warga baru berupa nkk, nama kepala keluarga, alamat,
RT/RW, Desa, lalu Staf
Kelurahan menekan tombol
simpan
2. Sistem menampilkan tambah
data warga form dan id (dicarikan secara random) untuk data warga baru id
akan ditampilkan secara
otomatis
4. Sistem akan menyimpan data
berupa nkk, nama kepala keluarga, alamat, RT/RW, Desa, untuk disimpan ke database
5. Sistem akan
mengonfirmasikan kepada
Staf Kelurahan bahwa data warga telah tersimpan
(60)
2. Mengubah Data Warga
Aktor : Staf Kelurahan
Kondisi Awal : Staf Kelurahan telah login ke sistem
Kondisi Akhir : Sistem mengonfirmasikan kepada staf kelurahan bahwa data yang diubah berhasil diubah dari database.
Tabel 4. 2 Narasi Use Case Mengubah Data Warga
Aksi Reaksi
1. Staf Kelurahan memilih File
kemudian memilih menu item Input Data Warga
3. Staf Kelurahan mengubah data data warga dengan menekan salah satu baris pada tabel data warga dengan NKK tertentu yang ingin diubah pada tabel data warga, lalu admin menekan tombol ubah
2. Sistem menampilkan halaman
Data Warga
4. Sistem akan mengubah data
warga yang telah diubah oleh staff kelurahan di database.
5. Sistem akan mengonfirmasikan
kepada staf kelurahan bahwa data warga telah berhasil diubah
(61)
3. Menghapus Data Warga
Aktor : Staf Kelurahan
Kondisi Awal : Staf Kelurahan telah login ke sistem
Kondisi Akhir : Sistem mengonfirmasikan kepada staf kelurahan bahwa data warga yang dihapus telah berhasil dihapus dari database.
Tabel 4. 3 Narasi Use Case Menghapus Data Warga
Aksi Reaksi
1. Staf kelurahan memilih menu
File kemudian memilih menu item Input Data Warga
3. Staf kelurahan menghapus data
warga dengan menekan baris data dengan id driver tertentu yang ingin dihapus pada tabel
data warga, kemudian staf
kelurahan menekan tombol
hapus
2. Sistem menampilkan halaman
data warga
4. Sistem akan menghapus data
warga yang dipilih oleh staf kelurahan dari database.
5. Sistem akan mengonfirmasikan
kepada staf kelurahan bahwa data warga telah berhasil dihapus
(62)
4. Memasukkan Data Kriteria dan Sub Kriteria
Aktor : Staf Kelurahan
Kondisi Awal : Staf Kelurahan telah login ke sistem
Kondisi Akhir : Sistem mengkonfirmasikan kepada staf kelurahan bahwa data kriteria dan sub kriteria berhasil disimpan di database.
Tabel 4. 4 Narasi Use Case Memasukkan Data Kriteria dan Sub Kriteria
Aksi Reaksi
1. Staf kelurahan memilih menu
File kemudian memilih menu item Input Kriteria dan Sub Kriteria
3. Staf kelurahan memasukkan data
kriteria dan sub kriteria beserta bobot. Bila input data kriteria dan sub kriteria selesai, selanjutnya tekan tombol simpan.
2. Sistem menampilkan halaman
input kriteria dan sub kriteria
4. Sistem akan menyimpan data
berupa id kriteria, nama kriteria, bobot kriteria, id sub kriteria, nama sub kriteria, dan bobot sub kriteria
5. Sistem akan mengonfirmasikan
kepada Staf Kelurahan bahwa data kriteria dan sub kriteria telah tersimpan
(63)
5. Mengubah Data Kriteria dan Sub Kriteria
Aktor : Staf Kelurahan
Kondisi Awal : Staf Kelurahan telah login ke sistem
Kondisi Akhir : Sistem mengonfirmasikan kepada staff kelurahan bahwa data kriteria dan sub kriteria yang diubah berhasil diubah dari database
Tabel 4. 5 Narasi Use Case Mengubah Data Kriteria dan Sub Kriteria
Aksi Reaksi
1. Staf Kelurahan memilih menu
Edit kemudian memilih menu item Ubah dan Hapus Kriteria dan Sub kriteria
3. Staff Kelurahan mengubah data
kriteria dengan memasukkan
kode kriteria yang akan diubah pada text field selanjutnya akan tampil nama kriteria dan tingkat prioritas beserta data sub kriteria. Bila ingin menambahkan sub kriteria klik tombol Tambah kemudian masukkan nama sub kriteria yang akan ditambahkan. Bila ingin mengubah nama sub
kriteria klik Edit kemudian
masukkan nama sub kriteria yang diubah. Selanjutnya tekan Ubah
2. Sistem menampilkan halaman
Data Ubah dan Hapus Kriteria dan Sub Kriteria
(64)
6. Menghapus Data Kriteria dan Sub Kriteria
Aktor : Staf Kelurahan
Kondisi Awal : Staf Kelurahan telah login ke sistem
Kondisi Akhir : Sistem mengonfirmasikan kepada staf kelurahan bahwa data kriteria dan sub kriteria yang dihapus telah berhasil dihapus dari database.
Tabel 4. 6 Narasi Use Case Menghapus Data Kriteria dan Sub Kriteria untuk menyimpan data kriteria
dan sub kriteria yang telah diubah ke database
4. Sistem akan mengubah data
kriteria dan sub kriteria yang telah diubah oleh staf kelurahan di database.
5. Sistem akan mengonfirmasikan
kepada staf kelurahan bahwa data kriteria dan sub kriteria telah berhasil diubah
Aksi Reaksi
1. Staf Kelurahan memilih menu
Edit kemudian memilih menu item Ubah dan Hapus Kriteria dan Sub kriteria
3. Staf Kelurahan menghapus data
kriteria dengan memasukkan
2. Sistem menampilkan halaman
Data Ubah dan Hapus Kriteria dan Sub Kriteria
(65)
7. Memasukkan Data Kriteria Pemohon
Aktor : Staf Kelurahan
Kondisi Awal : Staf Kelurahan telah login ke sistem
Kondisi Akhir : Sistem mengonfirmasikan kepada staf kelurahan bahwa data kriteria pemohon berhasil disimpan di database.
Tabel 4. 7 Narasi Use Case Memasukkan Data Kriteria Pemohon kode kriteria yang akan dihapus
pada text field selanjutnya akan tampil nama kriteria dan tingkat prioritas beserta data sub kriteria. Bila ingin menghapus kriteria dan sub kriteria tersebut tekan tombol Hapus.
4. Sistem akan menghapus data
kriteria dan sub kriteria yang dipilih oleh staf kelurahan dari database.
5. Sistem akan mengonfirmasikan
kepada staf kelurahan bahwa data kriteria dan sub kriteria telah berhasil dihapus
Aksi Reaksi
1. Staf Kelurahan memilih menu
File kemudian memilih menu item Input Kriteria Pemohon
(66)
8. Mengubah Data Kriteria Pemohon
Aktor : Staf Kelurahan
Kondisi Awal : Staf Kelurahan telah login ke sistem
Kondisi Akhir : Sistem mengonfirmasikan kepada staff kelurahan bahwa data kriteria pemohon berhasil diubah di database.
3. Staf Kelurahan memasukkann
data kriteria dan sub kriteria berdasarkan NKK. Memasukkan NKK kemudian tekan tombol Cari.
5.Staf Kelurahan memasukkan
kriteria dan sub kriteria dengan memilih pada drop down. Setelah selesai memasukkan kriteria dan sub kriteria tekan tombol “Simpan”
Input Kriteria Pemohon
4. Sistem akan menampilkan data
warga berdasarkan NKK yang dicari
6. Sistem akan mengonfirmasikan
kepada staf kelurahan bahwa data kriteria dan sub kriteria warga telah berhasil disimpan
(67)
Tabel 4. 8 Narasi Use Case Mengubah Data Kriteria Pemohon
9. Menghapus Data Kriteria Pemohon
Aktor : Staf Kelurahan
Kondisi Awal : Staff Kelurahan telah login ke sistem
Kondisi Akhir : Sistem mengonfirmasikan kepada staff kelurahan bahwa data kriteria pemohon berhasil diubah di database.
Aksi Reaksi
1. Staf Kelurahan memilih menu
Edit kemudian memilih menu item Ubah dan Hapus Kriteria Pemohon
3. Staf kelurahan mengubah data
kriteria dan sub kriteria pemohon
dengan memasukkan NKK.
Selanjutnya akan tampil data warga sesuai dengan NKK yang dicari beserta data kriteria dan sub kriteria warga tersebut. Untuk mengubah pilih salah satu kriteria yang akan diubah pada list kriteria dan sub kriteria pemohon. Setelah selesai klik tombol Ubah
2. Sistem menampilkan halaman
Input Kriteria Pemohon
4. Sistem akan mengonfirmasikan
kepada staf kelurahan bahwa data kriteria dan sub kriteria warga telah berhasil diubah
(68)
Tabel 4. 9 Narasi Use Case Menghapus Data Kriteria Pemohon
Aksi Reaksi
1. Staf Kelurahan memilih menu
Edit kemudian memilih menu item Ubah dan Hapus Kriteria Pemohon
3. Staf kelurahan mengubah data
kriteria dan sub kriteria pemohon
dengan memasukkan NKK.
Selanjutnya akan tampil data warga sesuai dengan NKK yang dicari beserta data kriteria dan sub kriteria warga tersebut. Untuk
menghapus pilih salah satu
kriteria yang akan dihapus pada list kriteria dan sub kriteria
pemohon. Selanjutnya, tekan
tombol Hapus dan tekan tombol Ubah.
2. Sistem menampilkan halaman
Ubah dan Hapus Kriteria Pemohon
4. Sistem akan menghapus data
kriteria dan sub kriteria yang dipilih oleh staff kelurahan dari database.
5. Sistem akan mengonfirmasikan
kepada staf kelurahan bahwa data kriteria dan sub kriteria telah berhasil dihapus
(69)
10.Simulasi
Aktor : Staf Kelurahan
Kondisi Awal : Staf Kelurahan telah login ke sistem
Kondisi Akhir : Sistem mengonfirmasikan kepada staf kelurahan berupa hasil akhir warga yang menerima Jamkesda dan tidak menerima Jamkesda
Tabel 4. 10 Narasi Use Case Simulasi
Aksi Reaksi
1. Staf Kelurahan memilih menu
File kemudian memilih menu item Simulasi
3. Staf Kelurahan melakukan
simulasi untuk mendapatkan
keputusan warga yang menerima dan tidak menerima Jamkesda
dengan memasukkan patokan
skor kemudian tekan tombol proses
2. Sistem menampilkan halaman
Simulasi beserta skor setiap
warga yang diperoleh dari
perhitungan menggunakan
metode SAW
4. Sistem akan menampilkan hasil
warga yang menerima Jamkesda dan tidak menerima Jamkesda berdasarkan patokan skor
5. Sistem akan mengonfirmasikan
kepada staf kelurahan bahwa data kriteria dan sub kriteria telah berhasil dihapus
(70)
4.2.3 Diagram Aliran Data (DAD)
Diagram aliran data ini menjelaskan keseluruhan rancangan aliran data berdasarkan model SPK yang telah dibuat sebelumnya. Sistem pendukung keputusan seleksi penerimaan Jamkesda menggunakan rancangan aliran data yang terdiri dari : diagram konteks, diagram aliran data tingkatan 1, diagram aliran data tingkatan 2 proses 1, dan diagram aliran data tingkatan 2 proses 2. Berikut gambar untuk memperjelas pembahasan :
4.2.3.1Diagram Konteks
Gambar 4. 2 Diagram Konteks Staff
Kelurahan
Sistem Pendukung Pengambilan
Keputusan Penerimaan
Calon Penerima JAMKESDA
Bobot Kriteria
Bobot Perhitungan setiap kriteria
Kriteria-kriteria calon penerima JAMKESDA Hasil simulasi penerimaan JAMKESDA
Keputusan penerima JAMKESDA Info identitas calon penerima JAMKESDA
(1)
Imam R11 0,67 Hary S R21 0,67 Kuntinah R31 1 Hari Hariyono R41 1 Sukadi R51 1
Hambali R12 0,67 R22 0,67 R32 0,67 R42 0,67 R52 1
R13 0,67 R23 0,67 R33 1 R43 1 R53 1
R14 0 R24 0,33 R34 1 R44 1 R54 1
R15 0,4925 R25 0,4925373 R35 0,492537313 R45 0,492537 R55 1
R16 0,33 R26 0,33 R36 1 R46 0,492537 R56 0,492537
R17 0,4925 R27 0,33 R37 1 R47 1 R57 1
R18 0,3333 R28 0,25 R38 1 R48 1 R58 1
R19 0,33 R29 0,33 R39 1 R49 1 R59 1
Hariono R61 1 Suardi R71 0,67 Taminah R81 1 Suroto R91 1 Suroso R101 0,67
R62 0,67 R72 0,67 R82 0,67 R92 0,67 R102 0,67
R63 1 R73 0,67 R83 1 R93 1 R103 0,67
R64 1 R74 0,4925373 R84 0,492537313 R94 0,492537 R104 0,33
R65 0,4925 R75 0,4925373 R85 0,492537313 R95 0,492537 R105 0,492537
R66 1 R76 0,33 R86 0,492537313 R96 0,33 R106 0,33
R67 1 R77 0,4925373 R87 1 R97 0,33 R107 0,492537
R68 1 R78 0,3333333 R88 1 R98 0,5 R108 0,5
R69 R79 0,33 R89 1 R99 0,33 R109 0,33
Audrey
Liady R111 1 Sugiyanto R121 0,67 Agus Setyo R131 0,67
Samsul
Churri,SE,MM R141 0,67 Tutikno R151 0,67
R112 0,67 R122 0,67 R132 0,67 R142 0,67 R152 0,67
R113 1 R123 0,67 R133 0,67 R143 0,67 R153 1
(2)
R115 0,4925 R125 0,4925373 R135 0,492537313 R145 0,492537 R155 0,492537
R116 0,4925 R126 0,33 R136 0,33 R146 0,33 R156 0,33
R117 1 R127 0,4925373 R137 0,492537313 R147 0,33 R157 0,33
R118 0,25 R128 0,3333333 R138 0,333333333 R148 0,25 R158 0,25
R119 0,33 R129 0,33 R139 0,33 R149 0,33 R159 0,33
Wiro
Karno R161 1 Soekri R171 0,67 Soekristiono R181 0,67
Moch.Anang
Wahyudi R191 1
Catur
Indrowono R201 0,67
R162 1 R172 0,67 R182 0,67 R192 0,67 R202 0,67
R163 1 R173 0,67 R183 0,67 R193 0,67 R203 0,67
R164 0,4925 R174 0,4925373 R184 0,33 R194 0,33 R204 0,492537
R165 0,4925 R175 0,4925373 R185 0,492537313 R195 0,492537 R205 0,492537
R166 0,4925 R176 0,33 R186 0,33 R196 0,33 R206 0,33
R167 1 R177 0,4925373 R187 0,492537313 R197 0,492537 R207 0,33
R168 1 R178 1 R188 0,333333333 R198 0,333333 R208 0,25
R169 1 R179 0,33 R189 0,33 R199 0,33 R209 0,33
Anton R211 0,67 Rudhi K R221 0,67 Samiran R231 1
Ari Budhi
Rachmanto R241 0,67
Yuli
Setiyanto R251 1
Subagio R212 0,67 R222 0,67 R232 0,67 R242 0,67 R252 0,67
R213 0,67 R223 0,67 R233 1 R243 0,67 R253 0,67
R214 0,4925 R224 0,4925373 R234 1 R244 0,33 R254 0,492537
R215 0,4925 R225 0,4925373 R235 0,492537313 R245 0,492537 R255 0,492537
R216 0,33 R226 0,33 R236 1 R246 0,33 R256 0,33
R217 0,4925 R227 0,4925373 R237 1 R247 0,33 R257 0,33
(3)
R219 0,33 R229 0,33 R239 1 R249 0,33 R259 0,33
Sutowo R261 1 Sadiran R271 0,67 Sugiono R281 1 Edy Kurniadi R291 1
Noer
Wahyuni R301 0,67
R262 0,67 R272 0,67 R282 0,67 R292 0,67 R302 0,67
R263 1 R273 0,67 R283 1 R293 0,67 R303 1
R264 1 R274 0,4925373 R284 0,492537313 R294 0,492537 R304 0,33
R265 1 R275 0,4925373 R285 0,492537313 R295 0,492537 R305 0,492537
R266 0,4925 R276 0,33 R286 0,33 R296 0,33 R306 0,33
R267 1 R277 0,4925373 R287 0,492537313 R297 0,492537 R307 0,492537
R268 1 R278 1 R288 0,333333333 R298 0,25 R308 0,25
R269 1 R279 0,33 R289 0,492537313 R299 0,33 R309 0,33
Achmad R311 0,67 Budi R321 1 Tukino R331 1 Jumarianto R341 0,67
Rohmad
Ismail R351 1
Sri
Yanto R312 0,67 wahyono P R322 0,67 R332 0,67 R342 0,67 R352 0,67
R313 0,67 R323 1 R333 1 R343 0,67 R353 0,67
R314 0,33 R324 0,4925373 R334 1 R344 0,33 R354 0,33
R315 0,33 R325 0,4925373 R335 0,492537313 R345 0,492537 R355 0,492537
R316 0,33 R326 0,33 R336 0,492537313 R346 0,33 R356 0,33
R317 0,4925 R327 0,33 R337 1 R347 0,492537 R357 0,492537
R318 0,25 R328 0,3333333 R338 0,5 R348 0,333333 R358 0,333333
R319 0,33 R329 0,33 R339 1 R349 0,33 R359 0,33
(4)
Fernandes,SE Slamet
R362 0,67 R372 0,67 R382 0,67 R392 1
R363 1 R373 0,67 R383 1 R393 1
R364 0,33 R374 0,33 R384 0,492537313 R394 1
R365 0,4925 R375 0,33 R385 0,492537313 R395 0,492537
R366 0,33 R376 0,33 R386 0,492537313 R396 0,492537
R367 0,4925 R377 0,4925373 R387 0,492537313 R397 1
R368 0,5 R378 0,25 R388 1 R398 1
(5)
R =
A1 1 0,67 0,67 0 0,492537 0,33 0,492537313 0,333333333 0,33
A2 0,67 0,67 0,67 0,33 0,492537 0,33 0,33 0,25 0,33
A3 1 0,67 1 1 0,492537 1 1 1 1
A4 1 0,67 1 1 0,492537 0,49253731 1 1 1
A5 1 1 1 1 1 0,49253731 1 1 1
A6 1 0,67 1 1 0,492537 1 1 1 0
A7 0,67 0,67 0,67 0,4925373 0,492537 0,33 0,492537313 0,333333333 0,33
A8 1 0,67 1 0,4925373 0,492537 0,49253731 1 1 1
A9 1 0,67 1 0,4925373 0,492537 0,33 0,33 0,5 0,33
A10 0,67 0,67 0,67 0,33 0,492537 0,33 0,492537313 0,5 0,33
A11 1 0,67 1 0,4925373 0,492537 0,49253731 1 0,25 0,33
A12 0,67 0,67 0,67 0,4925373 0,492537 0,33 0,492537313 0,333333333 0,33 A13 0,67 0,67 0,67 0,33 0,492537 0,33 0,492537313 0,333333333 0,33
A14 0,67 0,67 0,67 0,33 0,492537 0,33 0,33 0,25 0,33
A15 0,67 0,67 1 0,33 0,492537 0,33 0,33 0,25 0,33
A16 1 1 1 0,4925373 0,492537 0,49253731 1 1 1
A17 0,67 0,67 0,67 0,4925373 0,492537 0,33 0,492537313 1 0,33 A18 0,67 0,67 0,67 0,33 0,492537 0,33 0,492537313 0,333333333 0,33 A19 1 0,67 0,67 0,33 0,492537 0,33 0,492537313 0,333333333 0,33
A20 0,67 0,67 0,67 0,4925373 0,492537 0,33 0,33 0,25 0,33
A21 0,67 0,67 0,67 0,4925373 0,492537 0,33 0,492537313 0,333333333 0,33 A22 0,67 0,67 0,67 0,4925373 0,492537 0,33 0,492537313 0,25 0,33
A23 1 0,67 1 1 0,492537 1 1 1 1
A24 0,67 0,67 0,67 0,33 0,492537 0,33 0,33 0,25 0,33
A25 1 0,67 0,67 0,4925373 0,492537 0,33 0,33 0,25 0,33
A26 1 0,67 1 1 1 0,49253731 1 1 1
A27 0,67 0,67 0,67 0,4925373 0,492537 0,33 0,492537313 1 0,33 A28 1 0,67 1 0,4925373 0,492537 0,33 0,492537313 0,333333333 0,492537 A29 1 0,67 0,67 0,4925373 0,492537 0,33 0,492537313 0,25 0,33
A30 0,67 0,67 1 0,33 0,492537 0,33 0,492537313 0,25 0,33
A31 0,67 0,67 0,67 0,33 0,33 0,33 0,492537313 0,25 0,33
A32 1 0,67 1 0,4925373 0,492537 0,33 0,33 0,333333333 0,33
A33 1 0,67 1 1 0,492537 0,49253731 1 0,5 1
A34 0,67 0,67 0,67 0,33 0,492537 0,33 0,492537313 0,333333333 0,33 A35 1 0,67 0,67 0,33 0,492537 0,33 0,492537313 0,333333333 0,33
A36 1 0,67 1 0,33 0,492537 0,33 0,492537313 0,5 0,492537
A37 0,67 0,67 0,67 0,33 0,33 0,33 0,492537313 0,25 0,33
A38 1 0,67 1 0,4925373 0,492537 0,49253731 0,492537313 1 0,33
A39 1 1 1 1 0,492537 0,49253731 1 1 1
(6)
Lakukan Perkalian Matrix WxR
V1 (Imam Hambali) 2,939204
V2(Hary Susanto) 2,801692 Rendah 0-2,99
V3(Kuntinah) 5,441692 ya Sedang 3,00-4,99
V4(Hari Hariyono) 5,272537 ya Tinggi 5,00-6,99
V5(Sukadi) 5,830846 ya
V6 (Hariono) 5,441692 ya Patokan skor 3.8
V7 (Suardi) 3,101741
V8 (Taminah) 4,765075 ya
V9 (Suroto) 3,764229
V10 (Suroso) 3,105871
V11 (Audrey Liady) 3,791741 ya V12 (Sugiyanto) 3,101741 V13 (Agus Setyo) 2,939204 V14 (Samsul Churri,SE,MM) 2,801692
V15 (Tutikno) 3,131692
V16 (Wiro Karno) 4,985075 ya
V17 (Soekri) 3,768408
V18 (Soekristiono) 2,939204 V19 (Moch.Anang Wahyudi) 3,159204 V20 (Catur Indrowono) 2,964229 V21 (Anton Subagio) 3,101741 V22 (Rudhi Kusumawardana) 3,018408
V23 (Samiran) 5,441692 ya
V24 (Ari Budhi Rachmanto) 2,801692 V25 (Yuli Setiyanto) 3,184229
V26 (Sutowo) 5,610846 ya
V27 (Sadiran) 3,768408
V28 (Sugiono) 3,70592
V29 (Edy Kurniadi) 3,238408 V30 (Noer Wahyuni) 3,185871 V31 (Achmad Sri Yanto) 2,747512 V32 (Budi wahyono Putro) 3,597562
V33 (Tukino) 4,772537 ya
V34 (Jumarianto) 2,939204 V35 (Rohmad Ismail) 3,159204
V36 (Witoyo) 3,71005
V37 (Yurdas Fernandes,SE) 2,747512
V38 (Suyitno) 4,372587