339-Article Text-1279-1-10-20180903 PDF
339-Article Text-1279-1-10-20180903 PDF
1, 2018
e-ISSN: 2527-8290
MABAC: Pemilihan Penerima Bantuan Rastra Menggunakan Metode Multi-
Attributive Border Approximation Area Comparison
rivalryhondro@gmail.com
STMIK Budi Darma
ABSTRAK
Bantuan Rastra merupakan program pemerintah yang diberikan kepada masyarakat untuk meningkatkan
kesejahteraan dan ketahanan pangan dalam rumah tangga, mengatasi kemiskinan dan sekaligus memberikan
perlindungan sosial kepada masyarakat yang tidak mampu. Pemilihan penerima bantuan rastra sudah menjadi tugas
perangkat desa memilih siapa saja layak untuk mendapatkan bantuan rastra. Mendukung keputusan pemilihan
penerima bantuan rastra yang sifatnya multi alternative maka diperlukan metode pendukung keputusan. Metode
MABAC adalah salah satu metode pendukung keputusan yang jenis keputusannya multi alternative, metode ini
dapat membantu proses pengambilan keputusan pemilihan bantuan rastra dengan optimal. MABAC merupakan
metode perbandingan multikriteria. Metode ini dipilih karena, metode ini menyediakan stabil (konsisten) solusi dan
handal untuk pengambilan keputusan rasional, dibandingkan dengan metode lain multi-kriteria pengambilan
keputusan (SAW, COPRAS, Moora, TOPSIS dan VI-KOR). Menerapkan metode MABAC dalam proses
pendukung keputusan pemilihan penerimaan bantuan ranstra, metode MABAC memiliki 6 langkah proses yaitu
Forming initial decision matrix, Normalization of initial matrix, Calculation of weighted matrix, Determination of
border approximate area matrix, Calculation of matrix elements of alternative distance from the border
approximate area, Ranking alternatives.
41
Jurnal Mahajana Informasi, Vol.3 No. 1, 2018
e-ISSN: 2527-8290
(kemampuan untuk data diterima). Pada sebuah yang dibangun dan ditujukan untuk membantu atau
model, prinsip tersebut adalah sebuah variabel hasil, mendukung pengambilan keputusan yang diambil
sementara keputusan adalah hasil akhir dari proses oleh pemangku manajemen keputusan dalam
pemikiran tentang suatu masalah atau problema organisasi. Pemangku manajemen keputusan dalam
untuk menjawab pertanyaan apa yang harus organisasi adalah seorang pimpinan, maka
diperbuat guna mengatasi masalah tersebut, dengan kemampuan seorang pimpinan harus mampu
menjatuhkan pilihan pada suatu alternatif (S. membuat keputusan dengan mengetahui dan
Mesran, 2017). menguasai teori dan teknik pembuatan keputusan .
Berhubungan dengan tahapan pengambilan Secara khusus Menurut Hermawan SPK
keputusan, Menurut Suryadi, K, Ramdhani, A, didefinisikan sebagai sebuah sistem yang
dalam bukunya (Widodo, 2002) tahapan proses mendukung kerja seorang manajer maupun
pengambilan keputusan meliputi tiga fase utama sekelompok manajer dalam memecahkan masalah
yaitu inteligensi, desain, dan kriteria dan keempat semi-terstruktur dengan cara memberikan
yakni implementasi. informasi ataupun usulan menuju pada keputusan
Terkait dengan sistem pendukung keputusan, tertentu.
dalam jurnal penelitian yang dilakukan Hondro, R.
K., menguraikan bahwa sistem pendukung B. Bantuan Rastra
keputusan bukanlah sebuah sistem yang hasil Bantuan Sosial Beras Sejahtera (Bansos Rastra)
keputusannya dapat dikatakan mutlak hasil adalah bantuan pangan dalam bentuk beras (natura)
keputusan akhir, namun harus tetap kembali kepada yang diberikan oleh pemerintah untuk disalurkan
sipemberi keputusan itu sendiri, maka keputusan setiap bulannya kepada Keluarga Penerima
tersebut dikatakan mutlak. Karena sistem Manfaat (KPM) tanpa dikenakan biaya tebus/ harga.
pendukung keputusan adalah hanya sebagai Beras yang disalurkan adalah beras berkualitas
pendukung untuk menguatkan hasil keputusan medium sejumlah 10 Kg. Bansos rastra pada awal
(Lubis, 2017). mulanya adalah bantuan Raskin/ Rastra yang
disalurkan kepada penerima manfaat sebesar 15 Kg
II. LANDASAN TEORI per keluarga dengan biaya tebus Rp 1.600,-/kg
kemudian bertransformasi menjadi bansos rastra
A. Sistem Pendukung Keputusan dan berubah fungsi dari pola bantuan bersubsidi
Pengertian sistem adalah kumpulan dari beberapa menjadi bantuan sosial.
bagian-bagian yang bekerja sama untuk mencapai Tujuan bantuan Rastra untuk mengurangi beban
tujuan yang sama, atau sekumpulan objek-obejk pengeluaran Keluarga Penerima Manfaat melalui
yang saling berelasi dan berinteraksi serta pemberian beras kualitas medium dengan jumlah
berhubungan antar objek sebagai satu kesatuan 10 Kg setiap bulannya tanpa dikenakan biaya tebus.
yang dirancang untuk mencapai satu tujuan (Hanif, Sehingga dapat memberikan manfaat Peningkatan
2007). Pengertian lain sistem menurut Padji (Padji, akses pangan baik secara fisik (natura/ beras) dan
2006), Sistem adalah rangkaian yang mencangkup ekonomi (tanpa biaya tebus); Sebagai pasar bagi
hardware, software, dan piranti peripheral yang hasil pertanian padi; Upaya menstabilkan harga
bekerja bersama sebagai sebuah kesatuan ataupun beras di pasaran; Pengendalian inflasi dan menjaga
kombinasi berbagai elemen yang membentuk stok pangan nasional dan Membantu tumbuhnya
sebuah kesatuan yang kompleks. perekonomian di daerah .
Sementara defenisi sistem pendukung keputusan Penerima manfaat bansos rastra adalah keluarga
Secara umum adalah sebagai sebuah sistem yang dengan kondisi sosial ekonomi nya 25 % terendah
mampu memberikan kemampuan baik kemampuan di daerah pelaksaannya. Kemudian disebutkan
pemecahan masalah maupun kemampuan sebagai keluarga penerima manfaat (KPM) Bansos
pengkomunikasian untuk masalah semi-terstruktur Rastra, yang nama dan alamatnya terdapat dalam
(Julius, 2005). data yang ditetapkan oleh Menteri Sosial. Data
Menurut Hondro, R. K. dalam salah satu publikasi KPM Bansos Rastra adalah Data Terpadu Program
jurnalnya tentang sistem pendukung keputusan, Penanganan Fakir Miskin atau yang disebut DT-
Sistem pendukung keputusan adalah suatu sistem PPFM. Data ini merupakan hasil Pemutakhiran
42
Jurnal Mahajana Informasi, Vol.3 No. 1, 2018
e-ISSN: 2527-8290
Basis Data Terpadu (PBDT) di tahun 2015. Asumsi dasar dari metode MABAC tercermin
Penerima manfaat Program Keluarga Harapan dalam definisi jarak fungsi kriteria dari setiap
(PKH) termasuk dalam penerima Bansos Rastra . alternatif yang diamati dari daerah perkiraan
perbatasan. Di bagian berikut disajikan prosedur
C. MOORA menerapkan metode MABAC, yaitu, formulasi
matematis, yang terdiri dari 6 langkah:
Metode MABAC dikembangkan oleh Pamucar dan
Cirovic [11]. Dalam tulisan ini [11] digunakan Langkah 1 : Membentuk matriks keputusan awal
model hibrida, DEMATEL-MABAC, di mana (X) (Forming initial decision matrix (X))
metode DEMATEL digunakan untuk menentukan Pada langkah pertama dilakukan evaluasi
koefisien bobot kriteria dan metode MABAC alternatif “m” dengan “n” kriteria. Alternatif
digunakan untuk alternatife peringkat. disajikan dengan vektorAi = (xi1, xi2, xi3, ..., xin),
dimana xij adalah nilai dari “i” alternatif dengan
kriteria “j” (i = 1,2, 3, ..., m; j = 1, 2, 3, ..., n).
C1 C2 ... Cn
A1 x11 x12 ... x1m
X= A2 x11 x22 x2n .........................................................(1)
dimana m adalah nomor alternatif, n adalah jumlah Langkah2 : Normalisasi elemen matriks awal
(X)(Normalization of initial matrix
total kriteria
( X ) elements)
C1 C2 ... Cn
A1 t11 t12 ... t1m
X= A2 t11 t22 t2n
... ... ... ... ...
...............................................................(2)
A3 t1m t2m tmn
43
Jurnal Mahajana Informasi, Vol.3 No. 1, 2018
e-ISSN: 2527-8290
=max (x1, x2, x3, ..., xm) mewakili nilai
...................(4) maksimum dari kriteria yang diamati oleh alternatif.
= min (x1, x2, x3, ..., xm) mewakili nilai
minimum dari kriteria yang diamati oleh alternatif.
Dimana xij, dan menyajikan elemen-elemen
matriks keputusan awal (X), dimana , dan Langkah 3 : Perhitungan elemen matriks
didefenisikan sebagai berikut: tertimbang (V) (Calculation of
weighted matrix (V) elements)
..................................................................(5)
dimana “n” menyajikan jumlah total kriteria, “m” menyajikan jumlah total alternatif.
Langkah 4 : Penentuan matriks area perkiraan perbatasan (G) (Determination of border approximate
area matrix (G))
Area perkiraan batas untuk setiap kriteria ditentukan sesuai dengan rumus:
..................................................................(8)
..................................................................(9)
Langkah 5 : Perhitungan elemen matriks jarak alternatif dari daerah perkiraan perbatasan
(Q)(Calculation of matrix elements of alternative distance from the border approximate
area (Q))
................................................................(10)
Jarak alternatif dari daerah perbatasan perkiraan (qij) tertimbang (V) dan nilai daerah perkiraan
ditentukan sebagai perbedaan elemen matriks perbatasan (G).
................................................................(11)
Q=V-G
yang dapat ditulis dengan cara lain:
......................................(12)
45
Jurnal Mahajana Informasi, Vol.3 No. 1, 2018
e-ISSN: 2527-8290
Gambar 3.1 Presentasi G+ dan G- pada daerah perkiraan perbatasan Q
Milik Ai alternatif ke daerah perkiraan (G, G+ atau G-) ditentukan berdasarkan rumus (13)
................................................................(13)
Untuk dipilih sebagai yang terbaik dari set, tetapi dengan satu kriteria itu dekat atau sama
alternatif Ai harus termasuk ke daerah perkiraan dengan alternatif anti-ideal. Nilai yang lebih tinggi
atas (G+) dengan sebanyak mungkin kriteria. menunjukkan bahwa Ai alternatif lebih
Sebagai contoh, jika alternatif Ai milik daerah dekat dengan alternatif yang ideal, sementara nilai
perkiraan atas oleh 5 kriteria (dari total 6 kriteria), yang lebih kecil menunjukkan bahwa Ai
dan oleh satu kriteria itu milik daerah perkiraan alternatif lebih dekat dengan alternatif anti-ideal.
yang lebih rendah (G-), ini berarti bahwa menurut 5
kriteria itu dekat atau sama dengan alternatif ideal,
Perhitungan nilai-nilai fungsi kriteria dengan (qi).Menjumlahkan elemen matriks Q dengan garis
alternatif (14) diperoleh sebagai jumlah dari jarak diperoleh nilai akhir dari fungsi kriteria alternatif
alternatif dari daerah perkiraan perbatasan
.........................................(14)
Langkah 1. Proses Membentuk Matriks Keputusan Menentukan nilai matriks normalisasi sesuai
Awal (X) dengan tabel fuzzy yang telah ditentukan
sebelumnya.
Langkah 2. Normalisasi Matriks Keputusan Awal nilai maximum dan minimum pada masing-masing
(N) kolom kriteria. Lakukan perhitungan dengan
Menentukan nilai matriks bobot normalisasi menggunakan rumus (3) jika jenis kriteria benefit
dengan cara menentukan terlebih dahulu jenis dan rumus (4) jika jenis kriteria cost.
kriteria benefit dan cost. Selanjutnya menentukan
Langkah 3. Menentukan Matriks Bobot Keputusan t1,2 = (0,200 * 1,000) + 0,200 = 0,400
(V) t1,3 = (0,150 * 0,000) + 0,150 = 0,150
Proses menentukan matriks bobot keputusan t1,4 = (0,150 * 1,000) + 0,150 = 0,300
menggunakan rumus (6), matriks bobot kriteria (W) t1,5 = (0,100 * 0,000) + 0,100 = 0,100
dikalikan dengan matriks normalisasi keputusan (N) t1,6 = (0,100 * 1,000) + 0,100 = 0,200
selanjutnya dijumlahkan dengan matriks bobot t1,7 = (0,100 * 1,000) + 0,100 = 0,200
kriteria (W). selanjutnya lakukan perhitungan yang sama dengan
Alternatif 1: alternatife yang lainnya. Berikut hasil nilai matriks
t1,1 = (0,200 * 1,000) + 0,200 = 0,400 bobot keputusan (V):
Langkah 4. Menentukan Nilai Matriks Batas (G) K1 = (0,400 * 0,347 * 0,291 * 0,347 * 0,291 *
Rumus untuk menentukan nilai matriks batas (G) 0,272 * 0,321 * 0,272 * 0,200 * 0,225) 1/10 =
setiap kriteria seperti pata rumus no (8). Lakukan 0,2911
perkalian terhadap nilai pada masing kriteria yang K2 = (0,400 * 0,200 * 0,400 * 0,200 * 0,200 *
sama, maka total perkaliannya selanjutnya 0,200 * 0,400 * 0,200 * 0,400 * 0,200) 1/10 =
dipangkatkan dengan satu per jumlah alternatif. 0,2639
Penyelesain sebagai berikut: dan seterusnya...
Tabel 9. Elemen matriks jarak alternatif dari daerah perkiraan perbatasan (Q)
Alternat Kriteria
ive K1 K2 K3 K4 K5 K6 K7
(max/benefit) (max/benefit) (max/benefit) (max/benefit) (max/benefit) (min/cost) (max/benefit)
Alternatif
1 0,116 0,106 0,028 0,073 0,016 0,029 0,032
Alternatif
2
0,101 0,053 0,028 0,073 0,032 0,016 0,032
Alternatif
3
0,085 0,106 0,028 0,073 0,022 0,029 0,016
Alternatif
4
0,101 0,053 0,057 0,037 0,027 0,029 0,032
Alternatif
5
0,085 0,053 0,028 0,073 0,032 0,016 0,016
Alternatif
6
0,079 0,053 0,045 0,073 0,016 0,029 0,032
50
Jurnal Mahajana Informasi, Vol.3 No. 1, 2018
e-ISSN: 2527-8290
Alternatif
7 0,094 0,106 0,028 0,037 0,032 0,016 0,032
Alternatif
8
0,079 0,053 0,057 0,037 0,032 0,015 0,016
Alternatif
9
0,058 0,106 0,028 0,073 0,032 0,016 0,032
Alternatif
10
0,065 0,053 0,045 0,073 0,022 0,029 0,032
51
Jurnal Mahajana Informasi, Vol.3 No. 1, 2018
e-ISSN: 2527-8290
Lubis, P., Nadeak, B., & Hondro, R. K. (2017).
V. KESIMPULAN
Penerapan Metode Analitical Hierarchy
Process Dalam Penentuan Warga Penerima
Menerapkan metode MABAC dalam proses sistem Program Keluarga Harapan (PKH)(Studi
pendukung keputusan menentukan penerima Kasus: Kantor Lurah Tegal Sari Mandala
bantuan rastra cukup membantu pihak kelurahan II). Media Informatika Budidarma, 1(1).
desa Hilisaootaniha. Dengan menggunakan sistem Hanif Al Fatta, Analisis dan Perancangan Sistem
ini cukup memberikan nilai transparasi terhadap Informasi, I, Yogyakarta, Andi Office,
masyarakat sehingga tidak menimbulkan 2007
kecurigaan. Selain itu juga Metode mampu Padji M. Sudarmo,”Kamus Istilah Komputer
menampilkan nilai konsistensi dibandingkan Teknologi Informasi Dan
dengan metode pendukung keputusan lainnya, Komunikasi”,Penerbit Ganesha, Bandung,
metode ini menyediakan stabil terhadap solusi yang Edisi 1, 2006
dihasilkan dan handal untuk pengambilan Julius Hermawan, “Membangun Decision Support
keputusan rasional. System”,penerbit : Andi,. Yogyakarta,
Edisi 1, 2005
DAFTAR PUSTAKA R. K. Hondro "Student Admission Optimazion on
using Multi-Objective Optimazation on the
Angrawati D, Yamin M dan Ransi N. Sistem
Basis of Ratio Analysis (MOORA),
Pendukung Keputusan Menentukan
JOJAPS, Vol. 10, No. 7
Jumlah Beras Miskin Menggunakan
steemit.com “Mari Mengenal Bansos Rastra
Metode Simple Additive Weight (SAW).
(2018)” Website:
SemantTik, Vol.2, No.1, Jan –Jun 2016,
https://steemit.com/indonesia/@fahmi.mou
pp.39-46.
l88/mari-mengenal-bansos-rastra-2018-
Indic D, Lukovic Z, Mucibabic S. Engagement
bantuan-sosial-dari-pemerintah-untuk-
model for NBC service units during
mengurangi-beban-masyarakat-kurang-
chemical accidents, Vojnotehnicki
mampu-04bebab6db26, 19.30 WIB, 24
glasnik/Military Technical Courier, Vol.
Mei 2018
62, No. 1, pp. 23-41, 2014.
Indic D, Lukovic Z, Mucibabic S. Engagement
S. Mesran, Rivalri Kristianto Hondro, Muhammad
model for NBC service units during
Syahrizal, Andysah Putera Utama Siahaan,
chemical accidents, Vojnotehnicki
Robbi Rahim, “Student Admission
glasnik/Military Technical Courier, Vol.
Assesment using Multi-Objective
62, No. 1, pp. 23-41, 2014.
Optimization on the Basis of Ratio
A. Kusuma, A. Nasution, R. Safarti, R. K. Hondro,
Analysis (MOORA),” J. Online Jar. Pengaj.
E. Buulolo, and K. Kunci, “Sistem
Seni Bina, vol. 2, no. 1, pp. 121–126, 2017.
Pendukung Keputusan Pemilihan Siswa/I
Widodo Budiharto, S. Si, Aplikasi Database
Teladan Dengan Menggunakan Metode
Dengan Sql Server 2000 dan Visual Basic,
Multi-Objective Optimization on The
Pt. Elex Media Komputindo, Jakarta, 2002
Basis of Ratio Analisis (MOORA),” J. Ris.
Komput., vol. 5, no. 2, pp. 114–119, 2018.
52