SISTEM PENDUKUNG KEPUTUSANMENENTUKAN PENERIMA BERAS MISKIN (RASKIN)MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW)(STUDI KASUS: DESA KERJO LOR ,NGADIROJO , WONOGIRI) Yogy Pratama
Jurnal SCRIPT Vol. 4 No. 2 Juni 2017
ISSN: 2338-6304
SISTEM PENDUKUNG KEPUTUSANMENENTUKAN PENERIMA BERAS MISKIN
(RASKIN)MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW)(STUDI
KASUS: DESA KERJO LOR ,NGADIROJO , WONOGIRI)
1
2
Yogy Pratama , Uning Lestari , Muhammad Sholeh
3
1,2,3
Teknik Informatika, FTI, IST AKPRIND
1
2
3
yogypratama26@gmail.com , uning@akprind.ac.id , muhash@akprind.ac.id
ABSTRACT
Rice for the poor program, known as Raskin is one of the government programs to
reduce expenditure and the protection of poor families through the distribution of rice with a
number and a specified price .in the distribution of Raskin often encountered obstacles or
problems, one of them for leveling Raskin amount received by all recipients Raskin. While there
are different social degrees between the receiver Raskin. Raskin distribution given the same
amount to all recipients Raskin, happens because it is still done manually allowing the
occurrence of a subjective determination by the village government because it has not referring
to predetermined criteria.
In this study used methods of SAW (Simple Additive Weight). SAW weighted
summation , namely by finding a weighted sum of the value of the performance of each
alternative on all attributes and requires a decision matrix normalization process (X) to a scale
which can be compared with all existing alternatives value.
Results of poor rice DSS application can help the Kerjo Lor village in determining the
population entitled to receive rice for the poor, so that in the process of implementation of the
aid can be delivered to people who really need it, so that the distribution of aid can be precisely
targeted. This is because the results of the assessment are given eligibility status, among
others, ACCEPT and DO NOT ACCEPT. These results can then be displayed by the largest or
smallest value, making it easier for decision makers to choose the best alternative.
Keywords: FMADM, Simple Additive Weighting (SAW), Raskin, DSS.
INTISARI
Program Beras Miskin atau Raskin adalah salah satu program pemerintah dalam
mengurangi beban pengeluaran dan perlindungan terhadap keluarga miskin melalui
pendistribusian beras dengan jumlah dan harga tertentu. Dalam pendistribusian Raskin sering
kali ditemui kendala atau permasalahan, salah satunya adanya penyamarataan jumlah Raskin
yang diterima oleh semua penerima Raskin, sementara ada derajat sosial yang berbeda antara
penerima Raskin tersebut. Penyaluran Raskin yang diberikan dalam jumlah yang sama kepada
semua penerima Raskin terjadi karena masih dilakukan secara manual sehingga
memungkinkan terjadinya penentuan secara subyektif oleh pihak Pemerintah Desa karena
belum mengacu pada kriteria yang telah ditentukan.
Dalam penelitian ini digunakan metode SAW (Simple Additive Weighting). SAW
penjumlahan terbobot, yakni dengan mencari penjumlahan terbobot dari nilai kinerja pada
setiap alternatif, pada semua atribut dan membutuhkan proses normalisasi matriks keputusan
(X) ke suatu skala yang dapat diperbandingkan dengan semua nilai alternatif yang ada.
Hasil dari aplikasi SPK beras miskin dapat membantu pihak Desa Kerjo Lor dalam
menentukan penduduk yang berhak menerima beras miskin, agar dalam proses pelaksanaan
pemberian bantuan dapat diserahkan kepada penduduk yang benar-benar membutuhkan,
sehingga penyaluran bantuan dapat tepat sasaran. Hal ini karena hasil penilaian diberikan
status kelayakan antara lain MENERIMA dan TIDAK MENERIMA. Hasil tersebut kemudian
dapat ditampilkan berdasarkan nilai terbesar atau terkecil, sehingga memudahkan pengambil
keputusan untuk memilih alternatif terbaik dari sejumlah alternatif.
Kata Kunci: FMADM, Simple Additive Weighting (SAW), Raskin, SPK.
245
Jurnal SCRIPT Vol. 4 No. 2 Juni 2017
ISSN: 2338-6304
PENDAHULUAN
Program Beras Miskin atau Raskin adalah salah satu program pemerintah dalam
mengurangi beban pengeluaran dan perlindungan terhadap keluarga miskin melalui
pendistribusian beras dengan jumlah dan harga tertentu. Dalam pendistribusian Raskin sering
kali ditemui kendala atau permasalahan, salah satunya adanya penyamarataan jumlah Raskin
yang diterima oleh semua penerima Raskin, sementara ada derajat sosial yang berbeda antara
penerima Raskin tersebut. Penyaluran Raskin yang diberikan dalam jumlah yang sama kepada
semua penerima Raskin terjadi karena masih dilakukan secara manual sehingga
memungkinkan terjadinya penentuan secara subyektif oleh pihak Pemerintah Desa karena
belum mengacu pada kriteria yang telah ditentukan.
Perangkat Desa Karang Kidul dalam proses operasionalnya telah memiliki fasilitas dan
teknologi yang cukup lengkap dan memadai, namun belum sepenuhnya terkomputerisasi
dengan baik. Salah satu program yang dimiliki oleh Perangkat Desa Karang Kidul adalah
pemberian bantuan Raskin kepada masyarakat yang layak menerimanya. Masalah yang kerap
dijumpai di lapangan adalah tidak tersedianya akse kontrol data yang terkompeterisasi pada
operating system dan database, yakni tidak tersedianya akses informasi untuk melihat atau
menentukan masyarakat yang termasuk kedalam daftar penerima Raskin sesuai dengan criteria
yang telah ditentukan panitia, akibatnya ditemukan ada masyarakat yang tidak layak lagi
mendapatkan raskin tetapi masih tetap mendapatkannya.
TINJAUAN PUSTAKA
Jurnal yang berjudul Sistem penentuan penerima Bantuan Langsung Tunai (BLT)
dengan metode Analycal Hirarchy Process. Aplikasi ini membahas tentang banyaknya warga
yang menerima BLT, karena ribuan warga yang diseleksi maka dibutuhkan sebuah sistem yang
dapat mempermudah dalam penyeleksian guna menentukan warga yang benar-benar
memerlukan BLT. Hasil dari proses aplikasi ini berupa tahapan ranking warga sebagai
rekomendasi bagian pengambilan keputusan untuk memilih warga yang cocok mendapatkan
dana kompensasi BLT terebut. (Diah, 2008)
Jurnal yang berjudul Sistem Pengambilan Keputusan kelayakan bagi calon penerima
dana bantuan masyarakat miskin menggunakan metode topsis berbasis web. Jurnal ini
membahas tentang bagaimana mengatasi masalah pemberian dana bantuan langsung tunai di
desa susukanrejo kabupaten pasuruan. Pada desa susukanrejo pemilihan dana bantuan masih
dilakukan secara manual dan kurang merata hasilnya. Untuk mengatasi masalah yang ada
tersebut, maka perlu dilakukan proses pemecahan masalah dengan penerapan sistem
pengambilan keputusan. Dengan aplikasi ini diharapkan dapat membantu pihak petugas agar
lebih efektif dalam menentukan masyarakat kurang mampu mana saja yang akan mendapatkan
dana bantuan. Namun tampilan pengguna belum menggunakan CSS responsive sehingga
tampilan kurang menarik (Fatmawati, 2016).
Jurnal yang berjudul Sistem Pendukung Keputusan Menentukan Jumlah Beras Miskin
Menggunakan Metode Simple Additive Weighting (SAW), bertujuan untuk membantu kepala
desa dalam menentukan jumlah beras yang akan diterima oleh penerima beras raskin dan
jumlah penerima Beras Miskin didapatkan berdasarkan nilai bobot yang telah ditentukan. Dari
penelitiannya pengembangan selanjutnya bisa dilakukan untuk penambahan kriteria seiring
perkembangan kebutuhan pengguna sistem sehingga dapat meningkatkan kinerja sistem.
(Anggrawati, Yamin, & Ransi, 2016)
Jurnal yang berjudulβSistem Pendukung Keputusan untuk Penerimaan Raskin (Beras
Miskin) mengunakan metode SAWβ, tujuan penelitian ini adalah untuk membangun sebuah
sistem pendukung keputusan dengan menggunakan metode Simple Additive Weighting (SAW)
dalam seleksi calon penerimaan beras untuk keluarga miskin dengan menentukan kriteria dan
alternatif sehingga tidak akan terjadi kecurangan dalam penentuannya. (Handayani, 2016)
LANDASAN TEORI
Sistem Pendukung Keputusan
Sistem pendukung keputusan atau Decision Support System (DSS) merupakan sistem
informasi interaktif yang menyediakan informasi, pemodelan, dan manipulasi data. Sistem itu
246
Jurnal SCRIPT Vol. 4 No. 2 Juni 2017
ISSN: 2338-6304
digunakan untuk membantu pengambilan keputusan dalam situasi yang semiterstruktur dan
situasi yang tidak terstruktur (Kusrini, 2007). Sistem pendukung keputusan tidak dimaksudkan
untuk mengotomatisasikan pngambilan keputusan, tetapi memberikan perangkat interaktif yang
memungkinkan pengambil keputusan untuk melakukan berbagai analisis menggunakan modelmodel yang tersedia. Tujuan dari sistem pendukung keputusan adalah (Kusrini, 2007):
a. Membantu manager dalam pengambilan keputusan atas masalah yang semiterstruktur.
b. Memberikan dukungan atas pertimbangan manager dan bukan untuk menggantikan fungsi
manager.
c. Meningkatkan efektifitas keputusan yang diambil manager.
d. Kecepatan komputasi, penggunaan komputer memungkinkan para pengambil keputusan
untuk melakukan banyak komputasi secara cepat dengan biaya yang rendah.
e. Peningkatan produktifitas, dukungan sitem pendukung keputusan terkomputerisasi bisa
mengurangi ukuran kelompok dan memungkinkan para anggotanya berada diberbagai
tempat yang berbeda(menghemat biaya).
f. Dukungan kualitas, komputer bisa meningkatkan kualitas keputusan yang dibuat. Dengan
komputer para pengambil keputusan bisa melakukan simulasi yang kompleks, memeriksa
banyak skenario yang memungkinkan, dan menilai berbagai pengaruh secara cepat dan
ekonomis.
g. Berdaya saing, teknologi pengambilan keputusan bisa menciptakan pemberdayaan yang
signifikan dengan cara memperbolehkan seseorang untuk membuat keputusan yang baik
secara cepat.
h. Mengatasi keterbatasan kognitif dalam pemrosesan dan penyimpanan.
Fuzzy Multiple Attribute Decision Making (FMADM)
Fuzzy Multiple Attribute Decision Making (FMADM) adalah suatu metode yang
digunakan untuk mencari alternatif optimal dari sejumlah alternatif dengan kriteria tertentu.
Alternatif pada FMADM sudah diketahui dan ditentukan. Pengambilan keputusan harus
menentukan prioritas berdasarkan kriteria yang diklasifikasikan dalam 2 tipe, yaitu menyeleksi
alternatif dengan atribut (kriteria) dengan ciri-ciri terbaik dan mengklasifikasikan alternative
berdasarkan peran tertentu (Kusumadewi, Hartati, Harjoko, & Wardoyo, 2006). Sebagian besar
pendekatan FMADM dilakukan melalui 2 langkah, yang pertama melakukan agregasi terhadap
keputusan-keputusan yang tanggap terhadap semua tujuan pada setiap alternatif, kedua
melakukan proses ranking alternatif-alternatif keputusan tersebut berdasarkan agregasi
keputusan (Kusumadewi, Hartati, Harjoko, & Wardoyo, 2006).
Ada beberapa metode yang dapat digunakan untuk menyelesaikan masalah FMADM.
Metode-metode tersebut adalah (Kusumadewi, Hartati, Harjoko, & Wardoyo, 2006):
a. Simple Additive Weighting Method (SAW)
b. Weighted Product (WP)
c. ELECTRE
d. Technique for Order Preference by Similarity to Ideal Solution (TOPSIS)
e. Analytic Hierarchy Process (AHP).
Simple Additive Weighthing (SAW)
Metode SAW sering juga dikenal dengan istilah metode penjumlahan terbobot. Konsep
dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap
alternatif pada semua atribut. Metode SAW membutuhkan proses normalisasi matriks
keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang
ada MADM itu merupakan suatu metode yang digunakan untuk mencari alternatif optimal dari
sejumlah alternatif dengan kriteria tertentu. Metode SAW mengharuskan pembuat keputusan
menentukan bobot bagi setiap atribut. Skor total untuk alternatif diperoleh dengan
menjumlahkan seluruh hasil perkalian antara rating dan bobot tiap atribut. Rating tiap atribut
haruslah bebas dimensi dalam arti lelah melewati proses normalisasi matriks sebelumnya
(Kusumadewi, Hartati, Harjoko, & Wardoyo, 2006).
Langkah β langkah penyelesain masalah dengan metode SAW adalah sebagai berikut
(Kusumadewi, Hartati, Harjoko, & Wardoyo, 2006) :
a. Menentukan kriteria-kriteria yang akan dijadikan acuan dalam pengambilan keputusan,
yaitu Ci.
b. Menentukan rating kecocokan setiap alternatif pada setiap kriteria.
247
Jurnal SCRIPT Vol. 4 No. 2 Juni 2017
ISSN: 2338-6304
c.
Membuat matriks keputusan berdasarkan kriteria(Ci), kemudian melakukan normalisasi
matriks berdasarkan persamaan yang disesuaikan dengan jenis atribut (atribut benefit
ataupun atribut cost ) sehingga diperoleh matriks ternormalisasi R.
d. Rumus yang digunakan untuk melakukan normalisasi matriks adalah sebagai berikut
(Kusumadewi, Hartati, Harjoko, & Wardoyo, 2006):
π₯ππ
ππππ π ππππππ ππ‘ππππ’π‘ πππ’ππ‘π’ππππ πππππππ‘
πππ₯π π₯ππ
πππ =
ππππ π₯ππ
ππππ π ππππππ ππ‘ππππ’π‘ ππππ¦π πππ π‘
π₯ππ
Rumus di atas menunjukkan rumus yang digunakan untuk melakukan normalisasi
matrik sesuai dengan tahapan pemecahan masalah menggunakan metode SAW.
Keterangan lebih lanjut mengenai rumus yang digunakan untuk melakukan normalisasi
matrik adalah sebagai berikut :
πππ
= rating kinerja ternormalisasi
πππ₯ππ = nilai maksimum dari setiap baris dan kolom
πππππ = nilai minimum dari setiap baris dan kolom
π₯ππ
= baris dan kolom dari matriks
Dengan πππ adalah rating kinerja ternormalisasi dari alternatif π΄π pada atribut πΆπ ; I = 1,2,β¦.,m
dan j = 1,2,β¦.,n.
e. Hasil akhir yang diperoleh dari proses ranking yaitu penjumlahan dari perkalian matriks
ternormalisasi R dengan vektor bobot sehingga diperoleh nilai terbesar yang dipilih sebagai
alternatif terbaik (π΄π ) sebagai solusi.
Rumus yang digunakan untuk memperoleh hasil akhir adalah sebagai berikut
(Kusumadewi, Hartati, Harjoko, & Wardoyo, 2006):
ππ =
π
π =1
ππ πππ
Keterangan :
ππ = Nilai akhir dari alternatif
ππ = Bobot yang telah ditentukan
πππ = Normalisasi matriks
Nilai ππ yang lebih besar mengindikasikan bahwa alternatif π΄π lebih terpilih.
HASIL DAN PEMBAHASAN
Flowchart
Gambar 1 Flowchart SPK
248
Jurnal SCRIPT Vol. 4 No. 2 Juni 2017
ISSN: 2338-6304
Perhitungan Manual
Pertama yang dilakukan dalam proses perhitungan dengan metode SAW yaitu
menentukan kriteria sebagai acuan penentuan keputusan, lalu menentukan rating kecocokan
setiap alternatif pada setiap kriteria. Setelah itu melalukan normalisasi matrik dan melakukan
penjumlahan dari perkalian matrik ternormalisasi dengan vektor bobot sehingga diperoleh nilai
terbesar sebagai alternatif terbaik.
Tabel 1 Tabel Kriteria
Kode
Nama kriteria
Bobot
Tipe
K1
Pendapatan
0.25
Cost
K2
Pekerjaan
0.25
Cost
K3
Pendidikan
0.2
Cost
K4
Jumlah Tanggungan Anak
0.15
Benefit
K5
Kondisi Rumah
0.15
Cost
Dalam penelitian ini, pendukung keputusan yang dilakukan adalah menentukan
penerima beras miskin (RASKIN). Contoh yang diambil adalah penilaian data penduduk pada
tahun 2016. Di tahun 2016 kriteria yang digunakan dalam melakukan penilaian kelompok
adalah 5 kriteria. Kriteria tersebut ditunjukkan oleh Tabel 1.
Nilai rating kecocokan dari setiap alternatif pada setiap kriteria ditunjukkan oleh Tabel 2.
Tabel 2 Tabel Rating Kecocokan Dari Setiap Alternatif Pada Setiap Kriteria
Kriteria
Alternataif
K1
K2
K3
K4
K5
A1
1
0,5 0,75 0,25 0,25
A2
0,75 0,5 0,75 0,25 0,5
A3
1
0,5 0,75 0,5 0,25
A4
1
0,5 0,75 0,25 0,5
A5
0,75 0,25 0,5 0,75 0,5
Tahap selanjutnya adalah proses perhitungan matrik awal, matrik normalisasi dan
menentukan ranking. Setelah selesai setiap nilai di kategorikan menjadi Diterima atau Ditolak.
Dalam penentuan penerima beras miskin (Raskin) terdapat 5 alternatif yaitu (A1), (A2), (A3),
(A4) dan (A5). Setiap kriteria memiliki sub kriteria yang memiliki nilai. Nilai untuk setiap Sub
kriteria ditunjukkan oleh Tabel 3.
249
Jurnal SCRIPT Vol. 4 No. 2 Juni 2017
Kode
ISSN: 2338-6304
Tabel 3 Tabel Sub Kriteria
Nama Sub kriteria
Keterangan kriteria
Pendapatan lebih dari
10 juta
1
10 juta β 7,5 juta
K1
K2
K3
0,75
Pendapatan yang baik
adalah yang kurang dari 2,5
juta
7,5 juta β 5 juta
0,25
Kurang dari 2,5 juta
0,15
PNS
1
Wirawasta
0,75
Pekerjaan yang baik adalah
yang tidak bekerja
Petani
0,5
Buruh
0,25
Tidak Bekerja
0,15
Sarjana
1
SMA
0,75
Pendidikan yang terbaik
adalah yang tidak sekolah
SMP
0,5
SD
0,25
Tidak Sekolah
0,15
Anak kurang dari sama
dengan 1
0.15
Anak 3
0,25
Jumlah Tanggungan Anak
terbaik adalah yang
mempunyai anak lebih dari 5
0,5
Anak 4
0,75
Anak lebih dari 5
1
Tembok β Keramik
1
Tembok β Plester
K5
0,5
5 juta β 2,5 juta
Anak 2
K4
Nilai
Tembok β Tanah
0,75
Kondisi Rumah terbaik
adalah yang masih Bambu β
Tanah
0,5
Bambu β Plester
0.25
Bambu β Tanah
0,15
250
Jurnal SCRIPT Vol. 4 No. 2 Juni 2017
ISSN: 2338-6304
PERANGKINGAN
Nilai matrik ranking diperoleh dari penjumlahan terhadap hasil perkalian nilai matrik
ternormalisasi R terhadap bobot pada setiap kriteria. Perhitungan matrik ranking adalah sebagai
berikut:
Bobot setiap kriteria (W) = (0.25, 0.25, 0.2, 0.15, 0.15)
0,75 π₯ 0,25 + 0,5 π₯ 0,25 + 0,6667 π₯ 0,2 +
= 0,6458
0,333 π₯ 0,15 + 1 π₯ 0,15
1 π₯ 0,25 + 0,5 π₯ 0,25 + 0,6667 π₯ 0,2 +
= 0,633
π2 =
0,333 π₯ 0,15 + 0,5 π₯ 0,15
0,75 π₯ 0,25 + 0,5 π₯ 0,25 + 0,6667 π₯ 0,2 +
= 0,6958
π3 =
0,6667 π₯ 0,15 + 1 π₯ 0,15
0,75 π₯ 0,25 + 0,5 π₯ 0,25 + 0,6667 π₯ 0,2 +
= 0,570
π4 =
0,333 π₯ 0,15 + 0,5 π₯ 0,15
1 π₯ 0,25 + 1 π₯ 0,25 + 1 π₯ 0,2 +
= 0,925
π5 =
1 π₯ 0,15 + 0,5 π₯ 0,15
Berdasarkan hasil perhitungan nilai ranking, maka nilai tebesar ada pada V5 dan nilai
terkecil ada pada V4. Nilai akhir ini selanjutnya dikelompokkan berdasarkan range tertentu
untuk menentukan status Kelayakan.
π1 =
IMPLEMENTASI SISTEM
a. Tampilan Halaman Login
Pada halaman login ini, Kepala Desa dan Admin SPK penerima beras miskin dapat
langsung login dengan mengisikan field username dan password. Tampilan halaman login
ditunjukkan pada Gambar 2.
Gambar 2 Tampilan Halaman Login
b. Tampilan Halaman Beranda
Tampilan halaman beranda dapat dilihat pada Gambar 3. Beranda merupakan tampilan
utama pada SPK penerima beras miskin. Pada halaman ini terdapat menu yang berisi subsub menu untuk membantu kepala desa maupun admin untuk melakukan pekerjaan input
dan output data serta fungsi-fungsi lain yang disediakan oleh sistem ini. Di dalam menu
data master berisi sub menu data warga, kriteria dan tahun. Sedangkan dalam menu
penilaian berisi sub menu input penilaian dan matrik awal.
251
Jurnal SCRIPT Vol. 4 No. 2 Juni 2017
ISSN: 2338-6304
Gambar 3Tampilan Halaman Beranda
c.
Tampilan Halaman Kelola Warga
Tampilan halaman kelola warga dapat dilihat pada Gambar 4. Pada halaman kelola
warga terdapat button untuk tambah, detail, edit dan hapus.
Gambar 4Tampilan Halaman Kelola Warga
Button tambah data warga digunakan untuk melakukan tambah data warga input yang
dibutuhkan bisa dilihat pada Gambar 5.
252
Jurnal SCRIPT Vol. 4 No. 2 Juni 2017
ISSN: 2338-6304
Gambar 5TampilanHalaman Tambah Data Warga
d. Tampilan Cetak
Menu cetak laporan hasil penilaian akan mencetak hasil penilaian secara keseluruhan.
Tampilan halaman laporan cetak hasil penilaian ditunjukan oleh Gambar 6.
Gambar 6 Tampilan Cetak
Kesimpulan
Hasil dari aplikasi SPK beras miskin dapat membantu pihak Desa Kerjo Lor dalam
menentukan penduduk yang berhak menerima beras miskin, agar dalam proses pelaksanaan
253
Jurnal SCRIPT Vol. 4 No. 2 Juni 2017
ISSN: 2338-6304
pemberian bantuan dapat diserahkan kepada penduduk yang benar-benar membutuhkan,
sehingga penyaluran bantuan dapat tepat sasaran. Hal ini karena hasil penilaian diberikan
status kelayakan antara lain MENRIMA dan TIDAK MENERIMA. Hasil tersebut kemudian dapat
ditampilkan berdasarkan nilai terbesar atau terkecil, sehingga memudahkan pengambil
keputusan untuk memilih alternatif terbaik dari sejumlah alternatif.
SARAN
Berdasarkan pembahasan dalam penelitian ini, maka terdapat beberapa saran untuk
penelitian kedepannya sebagai berikut:
a. Aplikasi ini perlu dikembangkan menggunakan framework agar jika suatu saat akan
dilakukan pengembangan aplikasi tidak mengalami banyak kesulitan.
b. Data KK sebaiknya diambil dari e-KTP secara langsung dengan filtering Status KK.
c. Menggunakan metode SPK yang lain untuk dilakukan perbandingan.
DAFTAR PUSTAKA
Anggrawati, D., Yamin, M., & Ransi, N. (2016). Sistem Pendukung Keputusan Menentukan
Jumlah Beras Miskin Menggunakan Metode Simple Additive Weight (Saw). semanTIK,
Vol.2, No.1, Jan-Jun 2016, 39-46.
Diah, N. R. (2008). sistem penentuan penerima Bantuan Langsung Tunai (BLT) dengan metode
Analycal Hirarchy Process.
Fatmawati, D. (2016). Sistem Pengambilan Keputusan kelayakan bagi calon penerima dana
bantuan masyarakat miskin menggunakan metode topsis berbasis web.
Handayani, H. (2016). Sistem Pendukung Keputusan Untuk Penerimaan Raskin (Beras Miskin)
Di Desa Tanggul Kundung Menggunakan Metode Saw. Artikel Skripsi, 5-8.
Kusrini. (2007). Konsep dan Aplikasi Sistem Pendukung Keputusan. Yogyakarta: Penerbit
ANDI.
Kusumadewi, S., Hartati, S., Harjoko, A., & Wardoyo, R. (2006). Fuzzy Multi-Atrribute Decision
Making (FUZZY MADM). Yogyakarta: Penerbit GRAHA ILMU.
254
ISSN: 2338-6304
SISTEM PENDUKUNG KEPUTUSANMENENTUKAN PENERIMA BERAS MISKIN
(RASKIN)MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING (SAW)(STUDI
KASUS: DESA KERJO LOR ,NGADIROJO , WONOGIRI)
1
2
Yogy Pratama , Uning Lestari , Muhammad Sholeh
3
1,2,3
Teknik Informatika, FTI, IST AKPRIND
1
2
3
yogypratama26@gmail.com , uning@akprind.ac.id , muhash@akprind.ac.id
ABSTRACT
Rice for the poor program, known as Raskin is one of the government programs to
reduce expenditure and the protection of poor families through the distribution of rice with a
number and a specified price .in the distribution of Raskin often encountered obstacles or
problems, one of them for leveling Raskin amount received by all recipients Raskin. While there
are different social degrees between the receiver Raskin. Raskin distribution given the same
amount to all recipients Raskin, happens because it is still done manually allowing the
occurrence of a subjective determination by the village government because it has not referring
to predetermined criteria.
In this study used methods of SAW (Simple Additive Weight). SAW weighted
summation , namely by finding a weighted sum of the value of the performance of each
alternative on all attributes and requires a decision matrix normalization process (X) to a scale
which can be compared with all existing alternatives value.
Results of poor rice DSS application can help the Kerjo Lor village in determining the
population entitled to receive rice for the poor, so that in the process of implementation of the
aid can be delivered to people who really need it, so that the distribution of aid can be precisely
targeted. This is because the results of the assessment are given eligibility status, among
others, ACCEPT and DO NOT ACCEPT. These results can then be displayed by the largest or
smallest value, making it easier for decision makers to choose the best alternative.
Keywords: FMADM, Simple Additive Weighting (SAW), Raskin, DSS.
INTISARI
Program Beras Miskin atau Raskin adalah salah satu program pemerintah dalam
mengurangi beban pengeluaran dan perlindungan terhadap keluarga miskin melalui
pendistribusian beras dengan jumlah dan harga tertentu. Dalam pendistribusian Raskin sering
kali ditemui kendala atau permasalahan, salah satunya adanya penyamarataan jumlah Raskin
yang diterima oleh semua penerima Raskin, sementara ada derajat sosial yang berbeda antara
penerima Raskin tersebut. Penyaluran Raskin yang diberikan dalam jumlah yang sama kepada
semua penerima Raskin terjadi karena masih dilakukan secara manual sehingga
memungkinkan terjadinya penentuan secara subyektif oleh pihak Pemerintah Desa karena
belum mengacu pada kriteria yang telah ditentukan.
Dalam penelitian ini digunakan metode SAW (Simple Additive Weighting). SAW
penjumlahan terbobot, yakni dengan mencari penjumlahan terbobot dari nilai kinerja pada
setiap alternatif, pada semua atribut dan membutuhkan proses normalisasi matriks keputusan
(X) ke suatu skala yang dapat diperbandingkan dengan semua nilai alternatif yang ada.
Hasil dari aplikasi SPK beras miskin dapat membantu pihak Desa Kerjo Lor dalam
menentukan penduduk yang berhak menerima beras miskin, agar dalam proses pelaksanaan
pemberian bantuan dapat diserahkan kepada penduduk yang benar-benar membutuhkan,
sehingga penyaluran bantuan dapat tepat sasaran. Hal ini karena hasil penilaian diberikan
status kelayakan antara lain MENERIMA dan TIDAK MENERIMA. Hasil tersebut kemudian
dapat ditampilkan berdasarkan nilai terbesar atau terkecil, sehingga memudahkan pengambil
keputusan untuk memilih alternatif terbaik dari sejumlah alternatif.
Kata Kunci: FMADM, Simple Additive Weighting (SAW), Raskin, SPK.
245
Jurnal SCRIPT Vol. 4 No. 2 Juni 2017
ISSN: 2338-6304
PENDAHULUAN
Program Beras Miskin atau Raskin adalah salah satu program pemerintah dalam
mengurangi beban pengeluaran dan perlindungan terhadap keluarga miskin melalui
pendistribusian beras dengan jumlah dan harga tertentu. Dalam pendistribusian Raskin sering
kali ditemui kendala atau permasalahan, salah satunya adanya penyamarataan jumlah Raskin
yang diterima oleh semua penerima Raskin, sementara ada derajat sosial yang berbeda antara
penerima Raskin tersebut. Penyaluran Raskin yang diberikan dalam jumlah yang sama kepada
semua penerima Raskin terjadi karena masih dilakukan secara manual sehingga
memungkinkan terjadinya penentuan secara subyektif oleh pihak Pemerintah Desa karena
belum mengacu pada kriteria yang telah ditentukan.
Perangkat Desa Karang Kidul dalam proses operasionalnya telah memiliki fasilitas dan
teknologi yang cukup lengkap dan memadai, namun belum sepenuhnya terkomputerisasi
dengan baik. Salah satu program yang dimiliki oleh Perangkat Desa Karang Kidul adalah
pemberian bantuan Raskin kepada masyarakat yang layak menerimanya. Masalah yang kerap
dijumpai di lapangan adalah tidak tersedianya akse kontrol data yang terkompeterisasi pada
operating system dan database, yakni tidak tersedianya akses informasi untuk melihat atau
menentukan masyarakat yang termasuk kedalam daftar penerima Raskin sesuai dengan criteria
yang telah ditentukan panitia, akibatnya ditemukan ada masyarakat yang tidak layak lagi
mendapatkan raskin tetapi masih tetap mendapatkannya.
TINJAUAN PUSTAKA
Jurnal yang berjudul Sistem penentuan penerima Bantuan Langsung Tunai (BLT)
dengan metode Analycal Hirarchy Process. Aplikasi ini membahas tentang banyaknya warga
yang menerima BLT, karena ribuan warga yang diseleksi maka dibutuhkan sebuah sistem yang
dapat mempermudah dalam penyeleksian guna menentukan warga yang benar-benar
memerlukan BLT. Hasil dari proses aplikasi ini berupa tahapan ranking warga sebagai
rekomendasi bagian pengambilan keputusan untuk memilih warga yang cocok mendapatkan
dana kompensasi BLT terebut. (Diah, 2008)
Jurnal yang berjudul Sistem Pengambilan Keputusan kelayakan bagi calon penerima
dana bantuan masyarakat miskin menggunakan metode topsis berbasis web. Jurnal ini
membahas tentang bagaimana mengatasi masalah pemberian dana bantuan langsung tunai di
desa susukanrejo kabupaten pasuruan. Pada desa susukanrejo pemilihan dana bantuan masih
dilakukan secara manual dan kurang merata hasilnya. Untuk mengatasi masalah yang ada
tersebut, maka perlu dilakukan proses pemecahan masalah dengan penerapan sistem
pengambilan keputusan. Dengan aplikasi ini diharapkan dapat membantu pihak petugas agar
lebih efektif dalam menentukan masyarakat kurang mampu mana saja yang akan mendapatkan
dana bantuan. Namun tampilan pengguna belum menggunakan CSS responsive sehingga
tampilan kurang menarik (Fatmawati, 2016).
Jurnal yang berjudul Sistem Pendukung Keputusan Menentukan Jumlah Beras Miskin
Menggunakan Metode Simple Additive Weighting (SAW), bertujuan untuk membantu kepala
desa dalam menentukan jumlah beras yang akan diterima oleh penerima beras raskin dan
jumlah penerima Beras Miskin didapatkan berdasarkan nilai bobot yang telah ditentukan. Dari
penelitiannya pengembangan selanjutnya bisa dilakukan untuk penambahan kriteria seiring
perkembangan kebutuhan pengguna sistem sehingga dapat meningkatkan kinerja sistem.
(Anggrawati, Yamin, & Ransi, 2016)
Jurnal yang berjudulβSistem Pendukung Keputusan untuk Penerimaan Raskin (Beras
Miskin) mengunakan metode SAWβ, tujuan penelitian ini adalah untuk membangun sebuah
sistem pendukung keputusan dengan menggunakan metode Simple Additive Weighting (SAW)
dalam seleksi calon penerimaan beras untuk keluarga miskin dengan menentukan kriteria dan
alternatif sehingga tidak akan terjadi kecurangan dalam penentuannya. (Handayani, 2016)
LANDASAN TEORI
Sistem Pendukung Keputusan
Sistem pendukung keputusan atau Decision Support System (DSS) merupakan sistem
informasi interaktif yang menyediakan informasi, pemodelan, dan manipulasi data. Sistem itu
246
Jurnal SCRIPT Vol. 4 No. 2 Juni 2017
ISSN: 2338-6304
digunakan untuk membantu pengambilan keputusan dalam situasi yang semiterstruktur dan
situasi yang tidak terstruktur (Kusrini, 2007). Sistem pendukung keputusan tidak dimaksudkan
untuk mengotomatisasikan pngambilan keputusan, tetapi memberikan perangkat interaktif yang
memungkinkan pengambil keputusan untuk melakukan berbagai analisis menggunakan modelmodel yang tersedia. Tujuan dari sistem pendukung keputusan adalah (Kusrini, 2007):
a. Membantu manager dalam pengambilan keputusan atas masalah yang semiterstruktur.
b. Memberikan dukungan atas pertimbangan manager dan bukan untuk menggantikan fungsi
manager.
c. Meningkatkan efektifitas keputusan yang diambil manager.
d. Kecepatan komputasi, penggunaan komputer memungkinkan para pengambil keputusan
untuk melakukan banyak komputasi secara cepat dengan biaya yang rendah.
e. Peningkatan produktifitas, dukungan sitem pendukung keputusan terkomputerisasi bisa
mengurangi ukuran kelompok dan memungkinkan para anggotanya berada diberbagai
tempat yang berbeda(menghemat biaya).
f. Dukungan kualitas, komputer bisa meningkatkan kualitas keputusan yang dibuat. Dengan
komputer para pengambil keputusan bisa melakukan simulasi yang kompleks, memeriksa
banyak skenario yang memungkinkan, dan menilai berbagai pengaruh secara cepat dan
ekonomis.
g. Berdaya saing, teknologi pengambilan keputusan bisa menciptakan pemberdayaan yang
signifikan dengan cara memperbolehkan seseorang untuk membuat keputusan yang baik
secara cepat.
h. Mengatasi keterbatasan kognitif dalam pemrosesan dan penyimpanan.
Fuzzy Multiple Attribute Decision Making (FMADM)
Fuzzy Multiple Attribute Decision Making (FMADM) adalah suatu metode yang
digunakan untuk mencari alternatif optimal dari sejumlah alternatif dengan kriteria tertentu.
Alternatif pada FMADM sudah diketahui dan ditentukan. Pengambilan keputusan harus
menentukan prioritas berdasarkan kriteria yang diklasifikasikan dalam 2 tipe, yaitu menyeleksi
alternatif dengan atribut (kriteria) dengan ciri-ciri terbaik dan mengklasifikasikan alternative
berdasarkan peran tertentu (Kusumadewi, Hartati, Harjoko, & Wardoyo, 2006). Sebagian besar
pendekatan FMADM dilakukan melalui 2 langkah, yang pertama melakukan agregasi terhadap
keputusan-keputusan yang tanggap terhadap semua tujuan pada setiap alternatif, kedua
melakukan proses ranking alternatif-alternatif keputusan tersebut berdasarkan agregasi
keputusan (Kusumadewi, Hartati, Harjoko, & Wardoyo, 2006).
Ada beberapa metode yang dapat digunakan untuk menyelesaikan masalah FMADM.
Metode-metode tersebut adalah (Kusumadewi, Hartati, Harjoko, & Wardoyo, 2006):
a. Simple Additive Weighting Method (SAW)
b. Weighted Product (WP)
c. ELECTRE
d. Technique for Order Preference by Similarity to Ideal Solution (TOPSIS)
e. Analytic Hierarchy Process (AHP).
Simple Additive Weighthing (SAW)
Metode SAW sering juga dikenal dengan istilah metode penjumlahan terbobot. Konsep
dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap
alternatif pada semua atribut. Metode SAW membutuhkan proses normalisasi matriks
keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang
ada MADM itu merupakan suatu metode yang digunakan untuk mencari alternatif optimal dari
sejumlah alternatif dengan kriteria tertentu. Metode SAW mengharuskan pembuat keputusan
menentukan bobot bagi setiap atribut. Skor total untuk alternatif diperoleh dengan
menjumlahkan seluruh hasil perkalian antara rating dan bobot tiap atribut. Rating tiap atribut
haruslah bebas dimensi dalam arti lelah melewati proses normalisasi matriks sebelumnya
(Kusumadewi, Hartati, Harjoko, & Wardoyo, 2006).
Langkah β langkah penyelesain masalah dengan metode SAW adalah sebagai berikut
(Kusumadewi, Hartati, Harjoko, & Wardoyo, 2006) :
a. Menentukan kriteria-kriteria yang akan dijadikan acuan dalam pengambilan keputusan,
yaitu Ci.
b. Menentukan rating kecocokan setiap alternatif pada setiap kriteria.
247
Jurnal SCRIPT Vol. 4 No. 2 Juni 2017
ISSN: 2338-6304
c.
Membuat matriks keputusan berdasarkan kriteria(Ci), kemudian melakukan normalisasi
matriks berdasarkan persamaan yang disesuaikan dengan jenis atribut (atribut benefit
ataupun atribut cost ) sehingga diperoleh matriks ternormalisasi R.
d. Rumus yang digunakan untuk melakukan normalisasi matriks adalah sebagai berikut
(Kusumadewi, Hartati, Harjoko, & Wardoyo, 2006):
π₯ππ
ππππ π ππππππ ππ‘ππππ’π‘ πππ’ππ‘π’ππππ πππππππ‘
πππ₯π π₯ππ
πππ =
ππππ π₯ππ
ππππ π ππππππ ππ‘ππππ’π‘ ππππ¦π πππ π‘
π₯ππ
Rumus di atas menunjukkan rumus yang digunakan untuk melakukan normalisasi
matrik sesuai dengan tahapan pemecahan masalah menggunakan metode SAW.
Keterangan lebih lanjut mengenai rumus yang digunakan untuk melakukan normalisasi
matrik adalah sebagai berikut :
πππ
= rating kinerja ternormalisasi
πππ₯ππ = nilai maksimum dari setiap baris dan kolom
πππππ = nilai minimum dari setiap baris dan kolom
π₯ππ
= baris dan kolom dari matriks
Dengan πππ adalah rating kinerja ternormalisasi dari alternatif π΄π pada atribut πΆπ ; I = 1,2,β¦.,m
dan j = 1,2,β¦.,n.
e. Hasil akhir yang diperoleh dari proses ranking yaitu penjumlahan dari perkalian matriks
ternormalisasi R dengan vektor bobot sehingga diperoleh nilai terbesar yang dipilih sebagai
alternatif terbaik (π΄π ) sebagai solusi.
Rumus yang digunakan untuk memperoleh hasil akhir adalah sebagai berikut
(Kusumadewi, Hartati, Harjoko, & Wardoyo, 2006):
ππ =
π
π =1
ππ πππ
Keterangan :
ππ = Nilai akhir dari alternatif
ππ = Bobot yang telah ditentukan
πππ = Normalisasi matriks
Nilai ππ yang lebih besar mengindikasikan bahwa alternatif π΄π lebih terpilih.
HASIL DAN PEMBAHASAN
Flowchart
Gambar 1 Flowchart SPK
248
Jurnal SCRIPT Vol. 4 No. 2 Juni 2017
ISSN: 2338-6304
Perhitungan Manual
Pertama yang dilakukan dalam proses perhitungan dengan metode SAW yaitu
menentukan kriteria sebagai acuan penentuan keputusan, lalu menentukan rating kecocokan
setiap alternatif pada setiap kriteria. Setelah itu melalukan normalisasi matrik dan melakukan
penjumlahan dari perkalian matrik ternormalisasi dengan vektor bobot sehingga diperoleh nilai
terbesar sebagai alternatif terbaik.
Tabel 1 Tabel Kriteria
Kode
Nama kriteria
Bobot
Tipe
K1
Pendapatan
0.25
Cost
K2
Pekerjaan
0.25
Cost
K3
Pendidikan
0.2
Cost
K4
Jumlah Tanggungan Anak
0.15
Benefit
K5
Kondisi Rumah
0.15
Cost
Dalam penelitian ini, pendukung keputusan yang dilakukan adalah menentukan
penerima beras miskin (RASKIN). Contoh yang diambil adalah penilaian data penduduk pada
tahun 2016. Di tahun 2016 kriteria yang digunakan dalam melakukan penilaian kelompok
adalah 5 kriteria. Kriteria tersebut ditunjukkan oleh Tabel 1.
Nilai rating kecocokan dari setiap alternatif pada setiap kriteria ditunjukkan oleh Tabel 2.
Tabel 2 Tabel Rating Kecocokan Dari Setiap Alternatif Pada Setiap Kriteria
Kriteria
Alternataif
K1
K2
K3
K4
K5
A1
1
0,5 0,75 0,25 0,25
A2
0,75 0,5 0,75 0,25 0,5
A3
1
0,5 0,75 0,5 0,25
A4
1
0,5 0,75 0,25 0,5
A5
0,75 0,25 0,5 0,75 0,5
Tahap selanjutnya adalah proses perhitungan matrik awal, matrik normalisasi dan
menentukan ranking. Setelah selesai setiap nilai di kategorikan menjadi Diterima atau Ditolak.
Dalam penentuan penerima beras miskin (Raskin) terdapat 5 alternatif yaitu (A1), (A2), (A3),
(A4) dan (A5). Setiap kriteria memiliki sub kriteria yang memiliki nilai. Nilai untuk setiap Sub
kriteria ditunjukkan oleh Tabel 3.
249
Jurnal SCRIPT Vol. 4 No. 2 Juni 2017
Kode
ISSN: 2338-6304
Tabel 3 Tabel Sub Kriteria
Nama Sub kriteria
Keterangan kriteria
Pendapatan lebih dari
10 juta
1
10 juta β 7,5 juta
K1
K2
K3
0,75
Pendapatan yang baik
adalah yang kurang dari 2,5
juta
7,5 juta β 5 juta
0,25
Kurang dari 2,5 juta
0,15
PNS
1
Wirawasta
0,75
Pekerjaan yang baik adalah
yang tidak bekerja
Petani
0,5
Buruh
0,25
Tidak Bekerja
0,15
Sarjana
1
SMA
0,75
Pendidikan yang terbaik
adalah yang tidak sekolah
SMP
0,5
SD
0,25
Tidak Sekolah
0,15
Anak kurang dari sama
dengan 1
0.15
Anak 3
0,25
Jumlah Tanggungan Anak
terbaik adalah yang
mempunyai anak lebih dari 5
0,5
Anak 4
0,75
Anak lebih dari 5
1
Tembok β Keramik
1
Tembok β Plester
K5
0,5
5 juta β 2,5 juta
Anak 2
K4
Nilai
Tembok β Tanah
0,75
Kondisi Rumah terbaik
adalah yang masih Bambu β
Tanah
0,5
Bambu β Plester
0.25
Bambu β Tanah
0,15
250
Jurnal SCRIPT Vol. 4 No. 2 Juni 2017
ISSN: 2338-6304
PERANGKINGAN
Nilai matrik ranking diperoleh dari penjumlahan terhadap hasil perkalian nilai matrik
ternormalisasi R terhadap bobot pada setiap kriteria. Perhitungan matrik ranking adalah sebagai
berikut:
Bobot setiap kriteria (W) = (0.25, 0.25, 0.2, 0.15, 0.15)
0,75 π₯ 0,25 + 0,5 π₯ 0,25 + 0,6667 π₯ 0,2 +
= 0,6458
0,333 π₯ 0,15 + 1 π₯ 0,15
1 π₯ 0,25 + 0,5 π₯ 0,25 + 0,6667 π₯ 0,2 +
= 0,633
π2 =
0,333 π₯ 0,15 + 0,5 π₯ 0,15
0,75 π₯ 0,25 + 0,5 π₯ 0,25 + 0,6667 π₯ 0,2 +
= 0,6958
π3 =
0,6667 π₯ 0,15 + 1 π₯ 0,15
0,75 π₯ 0,25 + 0,5 π₯ 0,25 + 0,6667 π₯ 0,2 +
= 0,570
π4 =
0,333 π₯ 0,15 + 0,5 π₯ 0,15
1 π₯ 0,25 + 1 π₯ 0,25 + 1 π₯ 0,2 +
= 0,925
π5 =
1 π₯ 0,15 + 0,5 π₯ 0,15
Berdasarkan hasil perhitungan nilai ranking, maka nilai tebesar ada pada V5 dan nilai
terkecil ada pada V4. Nilai akhir ini selanjutnya dikelompokkan berdasarkan range tertentu
untuk menentukan status Kelayakan.
π1 =
IMPLEMENTASI SISTEM
a. Tampilan Halaman Login
Pada halaman login ini, Kepala Desa dan Admin SPK penerima beras miskin dapat
langsung login dengan mengisikan field username dan password. Tampilan halaman login
ditunjukkan pada Gambar 2.
Gambar 2 Tampilan Halaman Login
b. Tampilan Halaman Beranda
Tampilan halaman beranda dapat dilihat pada Gambar 3. Beranda merupakan tampilan
utama pada SPK penerima beras miskin. Pada halaman ini terdapat menu yang berisi subsub menu untuk membantu kepala desa maupun admin untuk melakukan pekerjaan input
dan output data serta fungsi-fungsi lain yang disediakan oleh sistem ini. Di dalam menu
data master berisi sub menu data warga, kriteria dan tahun. Sedangkan dalam menu
penilaian berisi sub menu input penilaian dan matrik awal.
251
Jurnal SCRIPT Vol. 4 No. 2 Juni 2017
ISSN: 2338-6304
Gambar 3Tampilan Halaman Beranda
c.
Tampilan Halaman Kelola Warga
Tampilan halaman kelola warga dapat dilihat pada Gambar 4. Pada halaman kelola
warga terdapat button untuk tambah, detail, edit dan hapus.
Gambar 4Tampilan Halaman Kelola Warga
Button tambah data warga digunakan untuk melakukan tambah data warga input yang
dibutuhkan bisa dilihat pada Gambar 5.
252
Jurnal SCRIPT Vol. 4 No. 2 Juni 2017
ISSN: 2338-6304
Gambar 5TampilanHalaman Tambah Data Warga
d. Tampilan Cetak
Menu cetak laporan hasil penilaian akan mencetak hasil penilaian secara keseluruhan.
Tampilan halaman laporan cetak hasil penilaian ditunjukan oleh Gambar 6.
Gambar 6 Tampilan Cetak
Kesimpulan
Hasil dari aplikasi SPK beras miskin dapat membantu pihak Desa Kerjo Lor dalam
menentukan penduduk yang berhak menerima beras miskin, agar dalam proses pelaksanaan
253
Jurnal SCRIPT Vol. 4 No. 2 Juni 2017
ISSN: 2338-6304
pemberian bantuan dapat diserahkan kepada penduduk yang benar-benar membutuhkan,
sehingga penyaluran bantuan dapat tepat sasaran. Hal ini karena hasil penilaian diberikan
status kelayakan antara lain MENRIMA dan TIDAK MENERIMA. Hasil tersebut kemudian dapat
ditampilkan berdasarkan nilai terbesar atau terkecil, sehingga memudahkan pengambil
keputusan untuk memilih alternatif terbaik dari sejumlah alternatif.
SARAN
Berdasarkan pembahasan dalam penelitian ini, maka terdapat beberapa saran untuk
penelitian kedepannya sebagai berikut:
a. Aplikasi ini perlu dikembangkan menggunakan framework agar jika suatu saat akan
dilakukan pengembangan aplikasi tidak mengalami banyak kesulitan.
b. Data KK sebaiknya diambil dari e-KTP secara langsung dengan filtering Status KK.
c. Menggunakan metode SPK yang lain untuk dilakukan perbandingan.
DAFTAR PUSTAKA
Anggrawati, D., Yamin, M., & Ransi, N. (2016). Sistem Pendukung Keputusan Menentukan
Jumlah Beras Miskin Menggunakan Metode Simple Additive Weight (Saw). semanTIK,
Vol.2, No.1, Jan-Jun 2016, 39-46.
Diah, N. R. (2008). sistem penentuan penerima Bantuan Langsung Tunai (BLT) dengan metode
Analycal Hirarchy Process.
Fatmawati, D. (2016). Sistem Pengambilan Keputusan kelayakan bagi calon penerima dana
bantuan masyarakat miskin menggunakan metode topsis berbasis web.
Handayani, H. (2016). Sistem Pendukung Keputusan Untuk Penerimaan Raskin (Beras Miskin)
Di Desa Tanggul Kundung Menggunakan Metode Saw. Artikel Skripsi, 5-8.
Kusrini. (2007). Konsep dan Aplikasi Sistem Pendukung Keputusan. Yogyakarta: Penerbit
ANDI.
Kusumadewi, S., Hartati, S., Harjoko, A., & Wardoyo, R. (2006). Fuzzy Multi-Atrribute Decision
Making (FUZZY MADM). Yogyakarta: Penerbit GRAHA ILMU.
254