SISTEM PENDUKUNG KEPUTUSAN PENERIMA BANTUAN LANGSUNG

TUNAI (BLT) DESA TOKOWUTA DENGAN METODE SIMPLE ADDITIVE

WEIGHTING(SAW) DAN WEIGHTED PRODUCT (WP)

Proposal Penelitian

Diajukan Untuk Memenuhi Sebagian Persyaratan Mencapai Derajat Sarjana

Oleh :

INDRIANI

F1A3 16 051

PROGRAM STUDI ILMU KOMPUTER

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS HALUOLEO

KENDARI
 2021

BAB I

PENDAHULUAN

1.1 Latar Belakang

Seiring dengan pesatnya perkembangan teknologi dan informasi, kebutuhan

manusia terhadap teknologi dan informasi tidak bisa dipisahkan lagi. Teknologi dan

informasi seakan sudah menjadi kebutuhan pokok yang harus selalu dipenuhi

kebutuhannya. Tidak bisa dipungkiri bahwa perkembangan teknologi seluler ini

sedikit banyak telah berpengaruh terhadap segala aspek di dalam kehidupan manusia

baik dari segi sosial, ekonomi bahkan politik.

Bantuan Langsung Tunai (BLT) merupakan suatu bentuk bantuan dari

pemerintah sebagai bentuk kompensasi dari kenaikan harga Bahan Bakar Minyak

(BBM), yang tentunya mengimbas kepada kehidupan masyarakat luas termasuk

kalangan masyarakat miskin. Untuk mendapatkan Bantuan Langsung Tunai ini,

pemerintah menetapkan beberapa kriteria dalam menentukan siapa saja yang berhak

menerima bantuan tersebut.

Desa Tokowuta merupakan salah satu desa di Kecamatan Tinobu dengan

tingkat kemiskinan diatas rata-rata. Dalam pelaksanaannya, eksekusi daripada

Bantuan Langsung Tunai (BLT) ini menghadapi banyak masalah. Contoh masalah

BLT Banyak yang salah sasaran, padahal tidak sedikit orang-orang jompo dan miskin

justru tidak menerima BLT, tiga orang di antaranya menerima Program Keluarga

Harapan (PKH) bahkan ada yang mendapatkan kartu prakerja di masing-masing

2
rumah mereka. Lemahnya pengawasan pemerintah akan bantuan BLT membuat

sebagian warga yang berhak menerima bantuan BLT malah tidak mendapatkan

bantuan BLT. Sementara itu, sebagian warga yang tidak berhak menerima bantuan

BLT malah mendapatkan bantuan BLT. Oleh karena itu, terjadilah protes dan

demonstrasi yang disebabkan oleh bantuan BLT yang tidak tepat sasaran

Sistem Pendukung Keputusan Berbasis Komputer (Computer Based Decision

Support System) yaitu suatu sistem berbasis komputer yang dirancang untuk

meningkatkan efektivitas pengambilan keputusan dalam memecahkan suatu masalah.

Konsep Sistem Pendukung Keputusan ditandai dengan sistem interaktif berbasis

komputer yang membantu pengambilan keputusan dengan memanfaatkan data model

untuk menyeleksi masalah-masalah yang tidak terstruktur

Metode Simple Additive Weighting (SAW) merupakan metode yang paling

dikenal dan paling banyak digunakan orang dalam menghadapi situasi Multiple

Aribut Decision Making (MADM). Metode ini mengharuskan pembuat keputusan

menentukan bobot dari setiap atribut. Skor total untuk pembuat alternatif diperoleh

dengan menjumlahkan seluruh hasil perkalian antara rating (yang dapat dibandingkan

lintas atribut). Rating tiap atribut haruslah bebas dimensi dalam arti telah melewati

proses normalisasi sebelumnya. Metode SAW membutuhkan proses nomalisasi

matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua

rating alternatif yang ada.

Metode Weighted Product adalah salah satu metode penyelesaian pada masalah

Multi Atributte Decision Making (MADM). Metode ini mengevaluasi beberapa altern

3
atif terhadap sekumpulan atribut atau kriteria, dimana setiap atribut saling tidak berg

antung satu dengan yang lainnya.

. Dengan mengacu pada masalah yang ada maka tujuan yang hendak dicapai

dalam penelitian ini adalah menghasilkan Sistem Pendukung Keputusan Penerima

Bantuan Langsung Tunai (BLT) Desa Tokowuta dengan Metode Simple Additive

Weighting(SAW) Dan Weighted Product (WP) untuk membandingkan hasil aplikasi

dengan hasil di lapangan.

1.2 Rumusan Masalah

Berdasarkan latar belakang di atas, permasalahan yang dirumuskan adalah:

1. Bagaimana merancang Sistem Pendukung Keputusan penerima Bantuan

Langsung Tunai (BLT) desa Tokowuta dengan Metode Simple Additive

Weighting(SAW) dan Weighted Product (WP)?

2. Bagaimana mengimplementasikan Sistem Pendukung Keputusan penerima

Bantuan Langsung Tunai (BLT) desa Tokowuta dengan Metode Simple

Additive Weighting(SAW) dan Weighted Product (WP)?

1.3 Tujuan Penelitian

Tujuan dari penelitian ini adalah membangun sistem yang dapat membantu para

aparat pemerintah desa Tokowuta dalam mempermudah menentukan siapa saja yang

akan mendapatkan BLT berdasarkan kriteria yang diinginkan.

1.4 Manfaat Penelitian

Bagi Penulis Dengan dilakukannya penelitian ini, diharapkan dapat

memberikan manfaat kepada pihak-pihak sebagai berikut:

4
1. Bagi Penulis

Hasil penelitian ini diharapkan dapat meningkatkan pemahaman tentang

pengaruh kriteria–kriteria masyarakat penerima BLT terhadap keputusan

petugas dalam mengambil keputusan.

2. Bagi Aparat Pemerintah Desa Tokowuta

Hasil penelitian ini diharapkan dapat memberikan informasi yang berharga bagi

Aparat Pemerintah Desa Tokowuta dapat lebih mudah dalam proses mengambil

keputusan siapa saja yang berhak mendapatkan Bantuan Langsung Tunai

(BLT).

3. Bagi Akademik

Hasil penelitian ini diharapkan dapat dijadikan informasi dan referensi bacaan

bagi peneliti lain yang akan melakukan penelitian dengan topik yang sejenis

dan bagi semua pihak yang membutuhkannya.

1.5 Batasan Masalah

Penelitian akan dibatasi tidak menyimpang dari tujuan penelitian. Berapa hal

yang harus dibatasi antara lain:

1. Sistem Pendukung Keputusan penerima Bantuan Langsung Tunai (BLT) desa

Tokowuta dengan metode Simple Additive Weighting(SAW) dan Weighted

Product (WP) hanya dibatasi untuk di desa Tokowuta.

2. Sistem pendukung pengambilan keputusan penerima Bantuan Langsung Tunai

(BLT) ini dibangun berbasis Web.

5
 BAB II

TINJAUAN PUSTAKA

2.1 P enelitian Terdahulu

Pada bagian penelitian terdahulu ini penulis menuliskan beberapa referensi

dalam pembuatan tugas akhir ini. Adapun sumber-sumber referensi penulis dapat di

lihat pada Tabel 2.1.

Tabel 2.1. Penelitian Terdahulu

NO Penulis Judul Metode Hasil

dan Tahun

1 Hapid dkk. Sistem Pendukung Simple Sistem pendukung

(2020) Keputusan Penyeleksian Additive keputusan berbasis

Supplier Weighting web penyeleksian

Bahan Produksi Dengan (SAW) supplier bahan

Metode produksi

Simple Additive

Weighting (SAW)

2 Kurniawan Sistem Pendukung Simple Sistem pendukung

dkk (2022) Keputusan Dengan Metode Additive keputusan berbasis

Simple Additive Weighting web dalam memilih

Weighting (SAW) Dalam (SAW) saham BUMN

Memilih Saham Badan

6
 Usaha Milik Negara

(BUMN) Berbasis Web

3 Nurhuda Implementasi Metode Simple Sistem pendukung

dan Simple Additive Additive keputusan

Prehanto Weighting (SAW) pada Weighting pemilihan Wedding

(2022) Sistem Pendukung (SAW) Organizer di

Keputusan Rekomendasi Nganjuk

Pemilihan Wedding

Organizer di Nganjuk

4 Mohamad Rekomendasi Pemilihan Simple Sistem pendukung

dan Tas Kulit Menggunakan Additive keputusan

Purnomo Metode SAW (Studi Weighting pemilihan tas kulit

(2022) Kasus: Mika Leather) (SAW)

5 Mahbub Penerapan Metode SAW Simple Saran untuk

dkk. (2022) (Simple Additive Additive menentukan siswa

Weighting) Untuk Weighting berprestasi

Menentukan Siswa (SAW)

Berprestasi (Studi Kasus

Pada SMP Negeri 24

Jakarta)

6 Sahputra Sistem Pendukung Weighted Sistem pendukung

7
 dkk. (2022) Keputusan Penentuan Product keputusan berbasis

Lokasi Pemasangan CCTV (WP) web pemilihan

Dengan Metode Weighted lokasi pemasangan

Product (Studi Kasus : PT CCTV

Langkat Sawit Hijau

Pratama)

7 Rizal dkk. Penerapan Metode Weighted Saran karyawan

(2021) Weighted Product (WP) Product terbaik sebagai

Dalam Keputusan (WP) manager penjualan

Rekomendasi Pemilihan

Manager Penjualan

8 Magdalena Implementasi Metode Weighted Sistem pendukung

dan Weighted Product (WP) Product keputusan berbasis

Prihatini Pada Sistem Pendukung (WP) web pemberian

(2021) Keputusan Pemberian bonus karyawan

Bonus Karyawan

9 Rosyid dkk. Sistem Pendukung Weighted Saran smarphone

(2022) Keputusan Pemilihan Product android

Smartphone Android (WP)

Menggunakan Metode

Weighted Product (WP)

8
10 Adikvika Sistem Pendukung Weighted Saran siswa yang

dkk. (2021) Keputusan Pemilihan Product akan menerima

Penerima Beasiswa (WP) beasiswa pedidikan

Pendidikan Dengan

Menggunakan Metode

Weighted Product Di

Yatim Mandiri

11 Harmayani Perbandingan Metode WP Simple Sistem pendukung

dan dan SAW dalam Sistem Additive keputusan berbasis

Harahap Pendukung Keputusan Weighting web penentuan

(2022) untuk Menentukan Tingkat (SAW) dan tinggkat

Keberhasilan Guru Weighted keberhasilan guru

Mengajar di Tingkat SMK Product dalam mengajar di

(WP) tingkat SMK

12 Ridhawati Seleksi Rumah Tidak Simple Saran rumah tidak

dkk. (2022) Layak Huni Dengan Additive layak huni untuk

Sistem Pendukung Weighting bedah rumah

Keputusan Menggunakan (SAW) dan

Metode SAW Dan Weight Weighted

Product Product

(WP)

9
 13 Afita dkk. Analisis Perbandingan Simple Saran calon ketua

(2022) Metode SAW Dan Weight Additive Badan Eksekutif

Product pada Penentuan Weighting Mahasiswa (BEM)

Calon Ketua Badan (SAW) dan Universitas

Eksekutif Mahasiswa Weighted Pamulang

(BEM) Universitas

Pamulang

14 Fuady dkk. Analisis Perbandingan Simple Sistem pendukung

(2022). Metode WP dan SAW Additive keputusan berbasis

Pada Sistem Pendukung Weighting desktop persediaan

Keputusan Persediaan (SAW) dan merek sepatu

Merek Sepatu Pada 45 Weighted

Second Shoe

15 Prayoga Sistem Pendukung Simple Sistem pendukung

dkk. (2021) Keputusan Pemilihan Cat Additive keputusan berbasis

Menggunakan Simple Weighting android pemilihan

Additive Weighting Dan (SAW) dan cat

Weighted Product Weighted

2.2 Sistem Pendukung Keputusan

10
 Menurut McLeod dan Schell (2007), konsep Sistem Pendukung Keputusan

(SPK) atau Decision Support System (DSS) mulai dikembangkan pada tahun 1960-

an, tetapi istilah Sistem Pendukung Keputusan itu sendiri baru muncul pada tahun

1971 yang diciptakan oleh G. Antony Gorry dan Michael S. Scott Morton dengan

tujuan untuk menciptakan kerangka kerja guna mengarahkan aplikasi komputer

kepada pengambilan keputusan manajemen. Sistem tersebut adalah suatu sistem yang

berbasis komputer yang ditujukan untuk membantu pengambil keputusan dengan

memanfaatkan data dan model tertentu untuk memecahkan berbagai persoalan yang

tidak terstruktur.

Istilah Sistem Pendukung Keputusan mengacu pada suatu sistem yang

memanfaatkan dukungan komputer dalam proses pengambilan keputusan. Sistem

Pendukung Keputusan adalah bagian dari sistem informasi berbasis komputer

(termasuk sistem berbasis pengetahuan (manajemen pengetahuan) yang dipakai untuk

mendukung pengambilan keputusan dalam suatu organisasi atau perusahaan. Dapat

juga dikatakan sebagai sistem komputer yang mengolah data menjadi informasi untuk

mengambil keputusan dari masalah semiterstruktur yang spesifik.

2.2.1. Tujuan Sistem Pendukung Keputusan

Menurut Nofriansyah (2015), tujuan dari Sistem Pendukung Keputusan adalah

sebagai berikut:

1. Membantu dalam pengambilan keputusan atas masalah yang terstruktur.

2. Memberikan dukungan atas pertimbangan manajer dan bukannya dimaksudkan

untuk menggantikan fungsi manajer.

11
3. Meningkatkan efektifitas keputusan yang diambil lebih dari pada perbaikan

efesiensinya.

4. Kecepatan komputasi komputer memungkinkan para pengambil keputusan

untuk banyak melakukan komputasi secara cepat dengan biaya yang rendah.

5. Peningkatan produktivitas membangun suatu kelompok pengambilan

keputusan, terutama para pakar, bisa sangat mahal.

2.2.2. Manfaat Sistem Pendukung Keputusan

Menutut Fathoroni dkk. (2020), manfaat yang dapat diambil dari Sistem

Pendukung Keputusan ini :

1. Sistem Pendukung Keputusan memperluas kemampuan pengambil keputusan

dalam memproses data atau informasi bagi pemakainya.

2. Sistem Pendukung Keputusan membantu pengambil keputusan untuk

memecahkan masalah terutama barbagai masalah yang sangat kompleks dan

tidak terstruktur.

3. Sistem Pendukung Keputusan dapat menghasilkan solusi dengan lebih cepat

serta hasilnya dapat diandalkan.

4. Walaupun suatu Sistem Pendukung Keputusan mungkin saja tidak mampu

memecahkan masalah yang dihadapi oleh pengambil keputusan, namun dia

dapat menjadi stimulan bagi pengambil keputusan dalam memahami

persoalannya karena mampu menyajikan berbagai alternatif pemecahan

menurut.

2.2.3. Kriteria Sistem Pendukung Keputusan

12
 Menurut Limbong dkk. (2020), sistem Pendukung Keputusan dirancang secara

khusus untuk mendukung seseorang yang harus mengambil keputusan-keputusan

tertentu. Berikut ini beberapa kriteria sistem pendukung keputusan.

1. Interaktif Sistem Pendukung Keputusan memiliki user interface yang

komunikatif sehingga pemakai dapat melakukan akses secara cepat ke data dan

memperoleh informasi yang dibutuhkan.

2. Fleksibel Sistem Pendukung Keputusan memiliki sebanyak mungkin variabel

masukan, kemampuan untuk mengolah dan memberikan keluaran yang

menyajikan alternatif-alternatif keputusan kepada pemakai.

3. Data Kualitas Sistem Pendukung Keputusan memiliki kemampuan utuk

menerima data kualitas yang dikuantitaskan yang sifatnya subyektif dari

pemakai nya, sebagai data masukan untukpengolahan data. Misalnya terhadap

kecantikan yang bersifat kualitas, dapat dikuantitaskan dengan pemberian bobot

nilai seperti 75 atau 90.

4. Prosedur pakar Sistem Pendukung Keputusan mengandung suatu prosedur yang

dirancang berdasarkan rumusan formal atau juga berupa prosedur kepakaran

seseorang atau kelompok dalam menyelesaikan suatu bidang masalah dengan

fenomena tertentu.

2.3 Metode Simple Additive Weighting (SAW)

Menurut Isa dkk. (2022), metode Simple Additive Weighting (SAW) dikenalkan

pertama kali oleh Fishburn pada tahun 1967 dan kemudian perkenalkan lagi oleh

13
MacCrimmon pada tahun 1968. Metode ini diperkenalkan untuk memecahkan

masalah yang melibatkan banyak kriteria.

Menurut Aprilian dan Saputra (2020), metode Simple Additive Weighting

(SAW) merupakan metode yang paling dikenal dan paling banyak digunakan orang

dalam menghadapi situasi Multiple Aribut Decision Making (MADM). Metode ini

mengharuskan pembuat keputusan menentukan bobot dari setiap atribut. Skor total

untuk pembuat alternatif diperoleh dengan menjumlahkan seluruh hasil perkalian

antara rating (yang dapat dibandingkan lintas atribut). Rating tiap atribut haruslah

bebas dimensi dalam arti telah melewati proses normalisasi sebelumnya. Metode

SAW membutuhkan proses nomalisasi matriks keputusan (X) ke suatu skala yang

dapat diperbandingkan dengan semua rating alternatif yang ada.

Metode SAW sering juga dikenal 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.

Terdapat beberapa model dalam pembangunan Sistem Pendukung Keputusan

(SPK), yakni salah satunya adalah metode SAW (Simple Additive Weighting) sering

juga dikenal dengan istilah metode penjumlahan terbobot. Konsep dasar metode

SAW (Simple Additive Weighting) adalah mencari penjumlahan terbobot dan rating

kinerja pada setiap alternatif pada semua atribut yang ada. Metode SAW (Simple

Additive Weighting) membutuhkan proses normalisasi keputusan ke suatu skala yang

14
dapat diperbandingkan dengan semua rating alternatif yang ada. Adapun algoritma

penyelesaian dalam metode SAW (Simple Additive Weighting) adalah sebagai

berikut:

1. Menentukan kriteria-kriteria yang akan dijadikan acuan dalam pengambilan

keputusan.

2. Melakukan rating kecocokan pada setiap alternatif pada setiap kriteria.

3. Menentukan nilai bobot atau preferensi (W) setiap kriteria.

{
X ij
Jika j adalah atribut keuntungan(benefit )
Max x ij
Rij =
Min x ij
jika jadalah attibut biaya ( cost )
X ij

(2. 1)

Keterangan:

Rij = Nilai rating kinerja ternomalisasi

X ij = Nilai atribut yang dimiliki dari setiap kriteria

Max xij = Nilai terbesar dari setiap kriteria

Min x ij = Nilai terkecil dari setiap kriteria

Benefit = Jika nilai terbesar adalah terbaik

Cost = Jika nilai terkecil adalah terbaik

Dimana rij adalah rating kinerja ternomalisasi dari alternative Ai pada atribut Cj

; i=1,2,..m dan j=1,2,..n. Nilai preferensi (yang paling utama) untuk setiap alternative

(Vi) diberikan sebagai :

15
 n
V j=∑ W j r ij
j− i

(2.2)

Keterangan :

Vi = Rangking untuk setiap alternatif

Wj = Nilai bobot dari setiap kriteria

rij = Nilai rating kinerja ternormalisasi

2.4 Metode Weighted Product (WP)

Menurut Limbong dkk. (2020), metode Weighted Product adalah salah satu

metode penyelesaian pada masalah MADM. Metode ini mengevaluasi beberapa

alternatif terhadap sekumpulan atribut atau kriteria, dimana setiap atribut saling tidak

bergantunga satu dengan yang lainnya. Metode Weighted Product menggunakan

tekhik perkalian untuk menghubungkan rating atribut, dimana rating tiap atribut harus

dipangkatkan terlebih dahulu dengan bobot atribut yang bersangkutan. Proses ini

sama halnya dengan proses normalisasi. Preferensi untuk alternatif diberikan sebagai

berikut:
n
Si=∏ X ij
Wj

j =1

(2. 3)

Dimana:

S= menyatakan preferensi alternatif dianalogikan sebagai vektor S

X= menyatakan nilai kriteria

16
W= menyatakan bobot kriteria

i = menyatakan alternatif

j = menyatakan kriteria

n = menyatakan banyaknya kriteria ∑ W j=1

W jadalah pangkat bernilai positif untuk atribut keuntungan, dan bernilai negatif

untuk atribut biaya. Preferensi relatif dari setiap alternatif diberikan sebagai berikut :
n
Si = ∏ ¿ ¿ ¿ ¿
j =1

Vi =

n
Si=∏ ( X ¿¿ j ∗)W ¿j

j =1

(2. 4)

Di mana

V = menyatakan Preferensi alternatif dianalogikan sebagai vektor V

X = menyatakan nilai kriteria W= menyatakan bobot kriteria

i = menyatakan alternatif

j = menyatakan kriteria

n = menyatakan banyaknya kriteria

* menyatakan banyaknya kriteria yang telah dinilai pada vektor S

Langkah-langkah dalam menggunakan metode ini adalah:

1. Menentukan kriteria-kriteria yang akan dijadikan acuan dalam pengambilan

keputusan.

17
2. Menentukan rating kecocokan setiap alternatif pada setiap kriteria.

3. Menentukan bobot preferensi tiap kriteria.

4. Mengalikan seluruh atribut bagi sebuah alternatif dengan bobot sebagai pangkat

positif untuk atribut keuntungan dan bobot berpangkat negatif untuk atribut

biaya.

5. Hasil perkalian tersebut dijumlahkan untuk menghasilkan nilai V untuk setiap

alternatif.

6. Mencari nilai alternatif dengan melakukan langkahlangkah yang sama seperti

pada langkah satu, hanya saja menggunakan nilai tertinggi untuk setiap atribut

tertinggi untuk setiap atribut manfaat dan nilai terendah untuk atribut biaya.

7. Membagi nilai V bagi setiap alternatif dengan nilai standar (V(A*)) yang

menghasilkan R.

8. Mencari nilai alternatif ideal.

2.1 Waterfall Model

Menurut Pressman (2010), aktivitas-aktivitas dalam Waterfall model dapat

dilihat pada Gambar 2.1. Metode Waterfall atau biasa disebut klasik yang bersifat

sistematis dan berurutan untuk pengembangan perangkat lunak yang dimulai dengan

spesifikasi kebutuhan pelanggan dan berkembang melalui perencanaan, pemodelan,

konstruksi, dan penyebaran, yang berpuncak pada dukungan berkelanjutan dari

perangkat lunak yang selesai.

18
 Gambar 2.1 Model Waterfall (Pressman, 2010)

1. Communication

Pada tahap ini akan dilakukan inisiasi proyek, seperti menganalisis masalah

yang ada dan tujuan yang akan dicapai. Selain itu dilakukan juga requirements

gathering, dimana akan dikumpulkan requirement dari user melalui analisis

kuesioner.

2. Planning

Tahap ini merupakan tahap dimana akan dilakukan estimasi mengenai

kebutuhan-kebutuhan yang diperlukan untuk membuat sebuah sistem. Selain itu,

penjadwalan dalam proses pengerjaan juga ditentukan pada tahap ini.

3. Modeling

Kemudian mulai masuk pada tahap perancangan dimana perancang

menerjemahkan kebutuhan sistem ke dalam representasi untuk menilai kualitas

sebelum tahap selanjutnya dikerjakan. Tahap ini lebih difokuskan pada atribut

program, seperti struktur data, arsitektur perangkat lunak, dan detail prosedur.

4. Construction

Construction merupakan proses membuat kode. Coding atau pengkodean

merupakan penerjemah desain dalam bahasa yang bisa dikenali oleh komputer.

19
Programmer akan menerjemahkan transaksi yang diminta oleh user. Tahap ini yang

merupakan tahapan secara nyata dalam mengerjakan suatu software, artinya

penggunaan komputer akan dimaksimalkan dalam tahapan ini. Setelah pengkodean

selesai maka akan dilakukan testing terhadap sistem yang telah dibuat tadi. Tujuan

testing adalah menemukan kesalahan-kesalahan terhadap sistem tersebut untuk

kemudian bisa diperbaiki.

5. Deployment

Tahap ini bisa dikatakan final dalam pembuatan sebuah software atau sistem.

Setelah melakukan analisis, desain dan pengkodean maka sistem yang sudah jadi

akan digunakan oleh user. Kemudian software yang telah dibuat harus dilakukan

pemeliharaan secara berkala.

2.2 Black Box Testing

Menurut Fadila dkk. (2020), black box testing sendiri merupakan pengujian

yang dilakukan dengan mengamati hasil eksekusi melalui data uji dan memeriksa

fungsional dari perangkat lunak. Pengujian black box ini menitikberatkan pada fungsi

sistem. Pengujian pada sistem menggunakan metode black box, tujuannya untuk

mengetahui bahwa bagian-bagian dalam sistem aplikasi telah benar menampilkan

pesan-pesan kesalahan jika terjadi kesalahan dalam penginputan data.

Black box testing merupakan teknik pengujian perangkat lunak yang berfokus

pada spesifikasi fungsional dari perangkat lunak. Black box testing bekerja dengan

mengabaikan struktur kontrol sehingga perhatiannya difokuskan pada informasi

domain. Black box testing memungkinkan pengembang software.

20
2.3 Hyper Text Markup Language

Menurut Anhar (2010), HTML (Hypertext Markup Language) adalah

sekumpulan simbol-simbol atau tag-tag yang dituliskan dalam sebuah file yang

digunakan untuk menampilkan halaman pada Web browser. Hyper Text Markup

Language (HTML) adalah bahasa standar yang digunakan untuk menampilkan

halaman Web. Hal-hal yang dapat dilakukan dengan HTML antara lain: mengatur

tampilan dari halaman Web dan isinya, membuat tabel dalam halaman Web,

mempublikasikan halaman Web secara online, membuat form yang bisa digunakan

untuk menangani registrasi dan transaksi via Web, menambahkan objek-objek seperti

citra, audio, video, animasi, java aplet dalam halaman Web, akan menampilkan area

Gambar pada browser.

2.4 My Structured Query Language

Menurut Pressman (2010), My Structure Query Language (MySQL) adalah

database server open source yang cukup popular keberadaannya. Dengan berbagai

keunggulan yang dimiliki, membuat software database ini banyak digunakan oleh

praktisi untuk membangun suatu proye. Adanya fasilitas API (Application

Programming Interface) yang dimiliki oleh MySQL, memungkinkan bermacam-

macam aplikasi komputer yang ditulis dengan berbagai bahasa pemrograman dapat

mengakses basis data MySQL. MySQL termasuk jenis RDBMS (Relational

Database Management System). Sedangkan RDMS sendiri akan lebih banyak

mengenal istilah seperti tabel, baris dan kolom digunakan dalam perintah-perintah di

MySQL.

21
2.5 XAMPP

Menurut Dvorski (2007), XAMPP adalah sejenis apache yang kecil dan ringan

yang mengandung pengembangan teknologi Web yang paling umum dalam satu pake

t. Isinya berukuran kecil dan mudah dibawa membuat alat yang ideal dalam mengemb

angkan dan menguji aplikasi di PHP dan MySQL.

XAMPP adalah aplikasi Web server gratis yang multiplatform yang terdiri atas

apache HTTP server, MySQL database, dan penerjemah untuk script yang ditulis dal

am bahasa pemrograman PHP dan Perl. Program ini dipublikasikan di bawah lisensi

general public License.

(GNU) dan bersifat gratis, dan sebagai Web server yang mudah digunakan untu

k aktivitas halaman Web yang dinamis. Saat ini, XAMPP dapat digunakan pada siste

m operasi Microsoft Windows, Linux, Sun solaris dan Mac OS X, dan biasa digunaka

n untuk proyek pembuatan Website.

Umumnya, pembuat XAMPP hanya berencana sebagai alat untuk pengembanga

n yang mengijinkan pembuat Website dan pembuat program menguji pekerjaan mere

ka di komputer mereka sendiri tanpa harus terhubung ke internet. Dalam pelaksanaan

nya, XAMPP seringkali digunakan sebagai Web server di WWW (World Wide Web),

XAMPP juga mendukung pembuatan dan perubahan database di MySQL dan SQLit

e.

2.6 PhpMyAdmin

Menutut Connoly dan Begg (2010), PhpMyAdmin merupakan aplikasi yang

berbasiskan Web dan ditulis menggunakan bahasa pemrograman Php”. Selain

22
memakai MySQL untuk menjalankannya, PhpMyAdmin memerlukan Web server

yang sering digunakan berpasangan dengan Php yaitu Apache Web Server.

Database adalah logikal data yang saling terhubung dan dirancang untuk

memenuhi kebutuhan informasi dari suatu organisasi. Database digunakan dalam

kehidupan sehari-hari baik secara sadar maupun tidak sadar, contoh database yang

sering kita gunakan dalam kehidupan sehari-hari yaitu: pembayaran kartu kredit,

pembayaran belanja di supermarket, mencari buku di perpustakaan secara online,

penggunaan internet.

2.13.1 DBMS (Database Management System)

Menurut Connoly dan Begg (2010), Database Management System adalah

sistem software yang memungkinkan pengguna untuk mendefinisikan, membuat,

memelihara, dan kontrol akses ke database. DBMS adalah software yang berinteraksi

dengan program aplikasi dan pengguna database. Biasanya DBMS menyediakan

fasilitas sebagai berikut:

1. DDL (Data Definition Language)

DDL adalah sebuah bahasa yang memberikan fasilitas kepada DBA (Database

Administrator) atau pengguna untuk menjelaskan dan menamakan entity, attribute,

dan relationship data yang dibutuhkan oleh aplikasi, bersama integritas yang

berhubungan dan batasan batasan keamanan. Database Administrator adalah seorang

yang bertanggung jawab terhadap realisasi fisikal basis data, termasuk rancangan

fisik basis data dan implementasi, keamanan dan kontrol integritas, maintenance

sistem, dan memastikan kepuasan performa aplikasi kepada user.

23
a. Create table, digunakan untuk membuat table dengan mengidentifikasikan tipe

data untuk setiap kolom.

b. Alter table, digunakan untuk membuat table dengan mengidentifikasikan tipe

data untuk setiap kolom.

c. Drop table, digunakan untuk membuang atau menghapus tabel beserta semua

data yang terkait didalamnya.

d. Create index, digunakan untuk membuat index pada suatu table.

e. Drop index, digunakan untuk membuang atau menghapus index yang telah

dibuat sebelumnya.

2. DML (Data Manipulation Language).

DML adalah suatu bahasa yang memberikan fasilitas pengoperasian data yang

ada di dalam basis data.

Pengoperasian data yang akan dimanipulasi meliputi:

a. Penambahan data baru ke dalam basis data (insert).

b. Modifikasi data yang disimpan ke dalam basis data (update).

c. Pemanggilan data yang terdapat di dalam basis data (view).

d. Penghapusan data dari basis data (delete).

Ada beberapa kunci yang digunakan untuk proses pencarian, penyaringan, dan

penghapusan yang biasa digunakan dalam pengelompokan basis data yaitu:

a. Kunci primer (primary key) adalah satu atribut atau satu set minimal atribut

yang tidak hanya mengidentifikasi secara unik suatu kejadian yang spesifik,

tapi juga dapat mewakili setiap kejadian dari suatu entitas.

24
b. Kunci tamu (foreign key) adalah suatu atribut atau satu set atribut yang

melengkapi satu hubungan relasi yang menunjukan ke induknya.

c. Kunci kandidat (candidate key) adalah satu atribut atau satu set minimal atribut

yang mengidentifikasi secara unik suatu kejadian yang spesifik dari suatu

entitas.

d. Kunci alternatif (alternate key) adalah kunci kandidat yang tidak dipakai

sebagai kunci primer, Kunci alternatif dapat digunakan sebagai kunci

pengurutan pembuatan laporan.

e. Kunci gabungan atau kunci campuran (composite key) adalah kunci yang terdiri

dari dua lebih atribut. Maka beberapa field dapat digabungkan menjadi satu.

2.7 Framework

Menurut Yudhanto dan Prasetyo (2018), framework adalah kumpulan instruksi-

instruksi yang dikumpulkan dalam class dan function-function dengan fungsi masing

masing untuk memudahkan developer dalam memanggilnya tanpa harus menuliskan

syntax program yang sama berulang-ulang serta dapat menghemat waktu.

2.8 CodeIgniteer

Menurut Harani dan Sunandhar (2020), CodeIgniiter adalah framework berbasis

PHP yang digunakan untuk membuat web. CodeIgniter dibuat oleh Rick Ellis pada

tahun 2006. CodeIgniter menyediakan fasilitas agar pembangunan web dapat

dilakukan dengan mudah dan cepat. CodeIgniter memiliki desain yang sederhana dan

lentur. Framework ini memiliki keunggulan bersifat bebas digunakan, bersifat sumber

terbuka, ukuran yang kecil, aplikasi dapat berjalan cepat, menggunakan desain model

25
view controller (MVC), dapat digunakan sesuai kebutuhan, dan memiliki

dokumentasi yang baik.

2.9 Entity Relationship Diagram

Menurut Connoly dan Begg (2010), Entity Relationship Diagram adalah suatu

model jaringan yang menggunakan susunan data yang disimpan dalam sistem secara

abstrak. ERD merupakan model jaringan yang menekankan pada struktur dan

hubungan antardata. ERD juga memperlihatkan hubungan antar data store pada DFD

Tabel 2.1 Simbol-simbol Entity Relationship Diagram.

Notasi Arti

Entitas, adalah suatu objek yang dapat

diidentifikasi dalam lingkungan

pemakaian

Relasi, menunjukan adanya hubungan

diantara sejumlah entitas yang berbeda

Atrubut, berfungsi mendeskripsikan

kerakter entitas (atribut yang berfugsi

sebagai key diberi garis bawah

Garis, sebagai penghubung antara relasi

dan entitas, relasi dan entitas dengan

atribut

26
2.10 UML (Unified Modelling Language)

Menurut Whitten dan Bentley (2007), UML adalah bahasa grafis untuk

mendokumentasikan, menspesifikasikan, dan membangun sistem perangkat lunak.

UML berorientasi objek menerapkan banyak tingkatan abstraksi, tidak bergantung

proses pengembangan, tidak bergantung bahasa dan teknologi. Berikut beberapa

diagram UML :

1. Use case diagram

Sebuah use case menggambarkan suatu urutan interaksi antara satu atau lebih

aktor dan sistem. Dalam fase requirements, model use case menggambarkan sistem

sebagai sebuah kotak hitam dan interaksi antara aktor dan sistem dalam suatu bentuk

naratif, yang terdiri dari input user dan respon-respon system.

Tabel 2. 2 Simbol Use Case Diagram.

Simbol Keterangan

Seorang atau sebuah actor adalah sebuah entitas manusia atau

mesin yang berinteraksi untuk melakukan pekerjaan-pekerjaan

tertentu

Use case menggambarkan deskripsi yang melibatkan actor

Association digunakan untuk menggambarkan bagaiman actor

terlibat dalam use case

Generalisasi atau generalization adalah hubungan generalisasi

dan spesialisasi (umum-khusus) antara dua bua use case dimana

27
 fungsi yang satu adalah fungsi yang lebih umum dari lainnya.

2. Class Diagram

Class diagram merupakan Gambaran grafis dari struktur objek, yang

menunjukkan kelas objek yang ada pada suatu sistem dan hubungan antara kelas-

kelas objek tersebut.

Tabel 2.4 menunjukan beberapa simbol untuk class diagram.

Tabel 2.1 Simbol Class Diagram.

Simbol Keterangan

nama_kelas

+atribut
Kelas pada struktur system

+operasi()

Assosiasi atau association merupakan relasi dengan makna

umum

Asosiasi berarah atau directed association adalah relasi

antar kelas dengan makna kelas yang satu digunakan oleh

kelas yang lain

Generalisasi merupakan relasi antar kelas dengan makna

generalisasi-spesialisasi (umum-khusus)

Kebergantungan atau dependency yaitu relasi antar kelas

dengan makna kebergantungan antar kelas

28
3. Sequence Diagram

Sequence Diagram secara grafis menggambarkan bagaimana objek-objek

berinteraksi satu dengan yang lainnya melalui message-message yang dilakukan dari

suatu use case atau operasi. Mereka menggambarkan bagaimana message-message

dikirim dan diterima diantara objek-objek tersebut dan dalam urutan seperti apa.

Tabel 2.5 menunjukan beberapa simbol untuk sequence diagram.

Tabel 2.3 Simbol Sequence Diagram.

Simbol Keterangan

Aktor adalah orang, proses atau sistem lain

yang berinteraksi dengan sistem informasi yang

akan dibuat diluar sistem informasi yang akan

dibuat itu sendiri

Garis hidup atau lifeline menyatakan kehidupan

suatu objek

Objek menyatakan objek yang berinteraksi

Nama objek : nama kelas
pesan

Waktu aktif menyatakan objek dalam keadaan

aktif dan berinteraksi pesan

29
 Pesan tipe send menyatakan suatu objek

pengiriman data/masukan/informasi ke objek

lainnya, arah panah mengarah ke objek yang

dikirim

Pesan tipe return menyatakan bahwa suatu

objek yang tela menjalankan suatu operasi atau

metode menghasilkan suatu kembalian ke objek

tertentu, arah penah mengarah ke objek yang

menerima kembalian

4. Activity Diagram

Activity Diagram menggambarkan rangkaian aliran dari aktivitas, digunakan

untuk mendeskripsikan aktivitas yang dibentuk dalam suatu operasi sehingga dapat

juga digunakan untuk aktivitas lainnya seperti usecase atau interaksi. Sebuah aktivitas

dapat direalisasikan oleh satu use case atau lebih

Tabel 2.4 Simbol Activity Diagram.

Simbol Keterangan

Start state dengan tegas menunjukan dimulainya suatu aliran

kerja pada sebuah activity diagram. Hanya ada satu start state

dalam suatu aliran kerja

30
And state menggambarkan akhir atau terminal dari pada sebuah

activity diagram. Bisa terdapat lebih dari satu and state pada

sebuah activity diagram.

Activity menggambarkan suatu pekerjaan atau tugas dalam

workflow.

Flow (alur) menunjukan kegiatan apa berikutnya setelah kegiatan

sebelumnya.

Percabangan (fork join) digunakan untuk sebuah proses atau

aktivitas yang bersifat parallel

31
 BAB III

METODE PENELITIAN

3.1 Waktu dan Tempat Penelitian

Waktu penelitian terhitung dari bulan Mei 2021 sampai dengan bulan Juli 2021.

Penelitian ini dilakukan di Desa Tokowuta Kecamatan Lasola Kabupaten Konawe

Utara. Adapun rincian kegiatan dapat dilihat pada Tabel 3.1.

Tabel 3. 1 Rincian Kegiatan Penelitian

Maret April Mei

No Uraian II I
I II IV I II III I II III IV
I V

1 Pengumpulan data                        

2 Analisa kebutuhan sistem                        

3 Desain sistem                        

Pengkodean dan
4                        
Impelementasi

5 Integrasi dan pengujian                        

3.2 Metode Pengumpulan Data

Dalam proses penelitian ini, peneliti melakukan beberapa metode dalam

pengumpulan data. Metode yang akan dilakukan antara lain :

a. Studi pustaka

32
 Studi pustaka adalah aktivitas untuk memperoleh dan menghimpun informasi

yang relevan dengan objek yang akan diteliti. Pada penelitian ini memilih

studi pustaka untuk mengumpulkan referensi dari buku-buku serta jurnal-

jurnal yang menunjang penelitian ini.

b. Observasi

Observasi dilakukan dengan pengamatan langsung di kantor Desa Tokowuta

tentang proses saat pengambilan data dan informasi yang dibutuhkan.

c. Wawancara

Peneliti mengadakan wawancara langsung dengan Arwanto S.Pd, M.Pd

selaku Kepala Desa Tokowuta Kecamatan Lasolo Kabupaten Konawe Utara

mengenai data-data yang dibutuhkan.

3.3 Pengembangan Sistem

Pada penelitian ini, peneliti menggunakan metode waterfall dalam

pengembangan sistem. Metode waterfall memiliki beberapa tahapan yang berurut

yaitu analisis kebutuhan, desain sistem, code dan testing, penerapan/pengujian

program dan pemeliharaan.

3.3.1 Analisis Kebutuhan

Pada tahap ini, dilakukan komunikasi dengan bapak Arwanto S.Pd, M.Pd untuk

mendapatkan informasi yang bertujuan menganalisa keperluan untuk membangun

perangkat lunak. Informasi ini dapat diperoleh melalui wawancara atau diskusi.

Informasi dianalisis untuk mendapatkan data yang dibutuhkan.

33
3.3.2 Analisis Data Dan Perhitungan Manual

Langkah perhitungan yang dilakukan merupakan gabungan dari metode SAW

dan WP. Kedua metode ini memiliki beberapa langkah yang sama sehingga langkah

yang sama akan dilakukan pada awal perhitungan sebagai persiapan. Langkah

persiapan meliputi menentukan kriteria dan bobot kriteria, menentukan parameter

dan bobot parameter, serta membuat matriks keputusan. Langkah pada metode SAW

meliputi normalisasi matriks keputusan dan menghitung nilai total calon. Langkah

pada metode WP meliputi penentuan pangkat kriteria dan menghitung nilai calon.

Langkah gabungan metode SAW dan WP meliputi perhitungan nilai gabungan dan

pengurutan nilai gabungan.

3.3.2.1 Persiapan

a. Menentukan Kriteria Dan Bobot Kriteria

Kriteria yang digunakan untuk metode SAW dan WP sama. Kriteria yang

digunakan dalam perhitungan ada 5, yaitu pendapatan, sumber pendapatan,

tanggungan, pendidikan, dan status rumah. Tanggungan ditentukan sebagai kriteria

jenis manfaat. Pendapatan, sumber pendapatan, pendidikan, status rumah ditentukan

sebagai kriteria jenis biaya. Pendapatan dan tanggungan memiliki bobot 30. Sumber

pendapatan memiliki bobot 10. Pendidikan dan status rumah memiliki bobot 15.

Nama, jenis, dan bobot kriteria yang digunakan ditunjukkan oleh tabel berikut ini.

Tabel 3.2 Daftar Kriteria

No Nama Kriteria Jenis Bobot

34
 1 Pendapatan Biaya 30

2 Sumber Pendapatan Biaya 10

3 Tanggungan Manfaat 30

4 Pendidikan Biaya 15

5 Status Rumah Biaya 15

Normalisasi bobot kriteria dilakukan dengan membagi bobot kriteria dengan

jumlah semua bobot kriteria. Sebagai contoh adalah normalisasi bobot kriteria

pendapatan. Bobot kriteria pendapatan adalah 30. Jumlah bobot kriteria adalah 100.

Bobot normal kriteria pendapatan adalah 30 / 10 dengan hasil 0,30. Berikut ini

adalah contoh perhitungan bobot normal kriteria pendapatan.

Jumlah bobot kriteria

= Bobot kriteria pendapatan + sumber pendapatan + tanggungan + pendidikan +

status rumah

= 30 + 10 + 30 + 15 + 15

= 100

Bobot normal kriteria pendapatan

= Bobot normal kriteria pendapatan / jumlah bobot kriteria

= 30 / 100

= 0,30

35
 Normalisasi bobot kriteria selanjutnya dilakukan untuk semua kriteria. Hasil

normalisasi bobot semua kriteria ditunjukkan oleh tabel berikut ini.

Tabel 3.3 Hasil Normalisasi Bobot Kriteria

No Nama Kriteria Jenis Bobot Bobot Normal

1 Pendapatan Biaya 30 0,30

2 Sumber Pendapatan Biaya 10 0,10

3 Tanggungan Manfaat 30 0,30

4 Pendidikan Biaya 15 0,15

5 Status Rumah Biaya 15 0,15

Jumlah 100 1,00

b. Menentukan Parameter Dan Bobot Parameter

1. Pendapatan

Kriteria pendapatan memiliki 5 parameter, yaitu pendapatan >= Rp1.500.000,

< Rp1.500.000, < Rp1.250.000, < Rp1.000.000, dan < Rp500.000. Parameter

pendapatan >= Rp1.500.000 memiliki bobot 100, < Rp1.500.000 memiliki bobot 80,

< Rp1.250.000 memiliki bobot 60, < Rp1.000.000 memiliki bobot 40, dan <

Rp500.000 memiliki bobot 20. Nama dan bobot parameter kriteria pendapatan

ditunjukkan oleh tabel berikut ini.

Tabel 3.4 Daftar Parameter Pendapatan

No Nama Parameter Bobot

36
 1 >= Rp1.500.000 100

2 < Rp1.500.000 80

3 < Rp1.250.000 60

4 < Rp1.000.000 40

5 < Rp500.000 20

2. Sumber Pendapatan

Kriteria pendapatan memiliki 2 parameter, yaitu sumber pendapatan dari gaji

dan hibah. Parameter sumber pendapatan dari gaji memiliki bobot 100, dan hibah

memiliki bobot 50. Nama dan bobot parameter kriteria sumber pendapatan

ditunjukkan oleh tabel berikut ini.

Tabel 3.5 Daftar Parameter Sumber Pendapatan

No Nama Parameter Bobot

1 Gaji 100

2 Hibah 50

3. Tanggungan

Kriteria tanggungan memiliki 5 parameter, yaitu tanggungan 1 orang, 2

orang, 3 orang, 4 orang, dan >= 5 orang. Parameter tanggungan 1 orang memiliki

bobot 20, 2 orang memiliki bobot 40, 3 orang memiliki bobot 60, 4 orang memiliki

37
bobot 80, dan >= 5 orang memiliki bobot 100. Nama dan bobot parameter kriteria

tanggungan ditunjukkan oleh tabel berikut ini.

Tabel 3.6 Daftar Parameter Tanggungan

No Nama Parameter Bobot

1 1 orang 20

2 2 orang 40

3 3 orang 60

4 4 orang 80

5 >=5 orang 100

4. Pendidikan

Kriteria pendidikan memiliki 5 parameter, yaitu pendidikan > SMA, SMA,

SMP, SD, dan < SD. Parameter pendidikan > SMA memiliki bobot 100, SMA

memiliki bobot 80, SMP memiliki bobot 60, SD memiliki bobot 40, dan < SD

memiliki bobot 20. Nama dan bobot parameter kriteria pendidikan ditunjukkan oleh

tabel berikut ini.

Tabel 3.7 Daftar Parameter Pendidikan

No Nama Parameter Bobot

1 > SMA 100

2 SMA 80

3 SMP 60

38
 4 SD 40

5 < SD 20

5. Status Rumah

Kriteria status rumah memiliki 3 parameter, yaitu status rumah milik sendiri,

menumpang, dan kontrak. Parameter status rumah milik sendiri memiliki bobot 100,

menumpang memiliki bobot 66, dan kontrak memiliki bobot 33. Nama dan bobot

parameter kriteria status rumah ditunjukkan oleh tabel berikut ini.

Tabel 3.8 Daftar Parameter Status Rumah

No Nama Parameter Bobot

1 Milik Sendiri 100

2 Menumpang 66

3 Kontrak 33

c. Membuat Matriks Keputusan

Matriks keputusan dibuat berdasarkan penilain calon pada semua kriteria

berdasarkan parameter yang telah ditentukan. Hasil pembuatan matriks keputusan

untuk semua calon ditunjukkan oleh tabel berikut ini.

Tabel 3.9 Hasil Perubahan Matriks Keputusan

39
 Status Rumah
Tanggungan
Pendapatan
Pendapatan

Pendidikan
No Nama Calon

Sumber
1 Ati 100 50 60 40 33

2 Bode 80 100 80 20 100

3 Donde 60 50 100 100 66

4 Hasriani 40 100 20 80 33

5 Israwati 20 50 60 80 100

6 Jumiati 40 100 40 100 33

7 Nurtia 60 50 20 20 33

8 Rastina 80 100 100 40 33

9 Tie 100 100 40 80 33

10 Wesatu 20 50 80 40 33

3.3.2.2 Metode SAW

a. Normalisasi Matriks Keputusan

Normalisasi matriks keputusan diawali dengan menentukan nilai terendah

dan tertinggi untuk masing-masing kriteria. Sebagai contoh adalah kriteria

pendapatan. Kriteria pendapatan memiliki nilai terendah 20 dan nilai tertinggi 10.0

Penentuan nilai terendah dan tertinggi kemudian dilakukan untuk semua kriteria.

40
Hasil penentuan nilai terendah dan tertinggi untuk semua kriteria ditunjukkan oleh

tabel berikut ini.

Tabel 3.10 Penentuan Nilai Tertinggi Dan Terendah

Status Rumah
Tanggungan
Pendapatan

Pendapatan

Pendidikan
No Jenis Nilai

Sumber
  Terendah 20 50 20 20 33

  Tertinggi 100 100 100 100 100

Jika kriteria termasuk jenis manfaat maka nilai normal merupakan hasil

pembagian antara nilai alternatif dengan nilai tertinggi pada kriteria tersebut. Jika

kriteria termasuk jenis biaya maka nilai normal merupakan hasil pembagian antara

nilai terendah dengan nilai alternatif pada kriteria tersebut. Sebagai contoh adalah

normalisasi nilai calon Ati pada kriteria pendapatan. Pendapatan termasuk jenis biaya

sehingga nilai normal merupakan hasil pembagian antara nilai terendah dengan nilai

calon pada kriteria tersebut. Nilai calon terendah pada kriteria pendapatan adalah 20.

Nilai calon Ati pada pendapatan harga adalah 100. Nilai normal calon Ati pada

kriteria pendapatan adalah 20 / 100 dengan hasil 0,20. Berikut ini adalah contoh

perhitungan nilai normal calon Ati pada kriteria pendapatan.

Nilai normal calon Ati pada kriteria pendapatan

= nilai terendah kriteria pendapatan / nilai calon pada kriteria pendapatan

41
= 20 / 100

= 0,20

Nilai normal untuk semua kriteria untuk semua calon kemudian dihitung

dengan cara yang sesuai. Hasil perhitungan nilai normal untuk semua kriteria pada

setiap calon ditunjukkan oleh tabel berikut ini.

Tabel 3.11 Hasil Normalisasi Nilai Calon

Tanggungan
Pendapatan
Pendapatan

Pendidikan
No Nama Calon
Sumber

Rumah
Status
1 Ati 0,2000 1,0000 0,6000 0,5000 1,0000

2 Bode 0,2500 0,5000 0,8000 1,0000 0,3300

3 Donde 0,3333 1,0000 1,0000 0,2000 0,5000

4 Hasriani 0,5000 0,5000 0,2000 0,2500 1,0000

5 Israwati 1,0000 1,0000 0,6000 0,2500 0,3300

6 Jumiati 0,5000 0,5000 0,4000 0,2000 1,0000

7 Nurtia 0,3333 1,0000 0,2000 1,0000 1,0000

8 Rastina 0,2500 0,5000 1,0000 0,5000 1,0000

9 Tie 0,2000 0,5000 0,4000 0,2500 1,0000

10 Wesatu 1,0000 1,0000 0,8000 0,5000 1,0000

b. Menghitung Nilai Total Calon

42
 Nilai total calon merupakan penjumlahan dari semua perkalian antara nilai

normal kriteria dengan bobot normal kriteria. Sebagai contoh adalah nilai total untuk

calon Ati. Nilai total calon Ati adalah perkalian dari semua atribut calon Ati yang

telah dipangkatkan dengan pangkat kriteria yang sesuai. Berikut ini calah contoh

perhitungan untuk calon Ati.

Nilai S calon Ati

= (nilai normal pendapatan calon Ati x bobot pendapatan) +

(nilai normal sumber pendapatan calon Ati x bobot sumber pendapatan) +

(nilai normal tanggungan calon Ati x bobot tanggungan) +

(nilai normal pendidikan calon Ati x bobot pendidikan) +

(nilai normal status rumah calon Ati x bobot status rumah) +

= (0,2 x 0,30) + (1 x 0,10) + (0,6 x 0,30) + (0,5 x 0,15) + (1 x 0,15)

= 0,5650

Perhitungan nilai total untuk semua calon kemudian dihitung dengan cara

yang sama. Hasil perehitungan nilai total atau nilai SAW untuk semua alternatif

ditunjukkan oleh tabel berikut ini.

Tabel 3.12 Hasil Perhitungan Nilai Total atau Nilai SAW

No Nama Calon Nilai Total (Nilai SAW)

1 Ati 0,5650

2 Bode 0,5645

43
 3 Donde 0,6050

4 Hasriani 0,4475

5 Israwati 0,6670

6 Jumiati 0,5000

7 Nurtia 0,5600

8 Rastina 0,6500

9 Tie 0,4175

10 Wesatu 0,8650

3.3.2.3 Metode WP

a. Menentukan Pangkat Kriteria

Pangkat kriteria ditenjukan berdasarkan bobot normal kriteria dan jenis

kriteria. Jika kriteria termasuk jenis manfaat maka pangkat kriteria adalah nilai bobot

normal kriteria. Jika kriteria termasuk jenis biaya maka pangkat kriteria adalah

negatif nilai bobot kriteria. Sebagai contoh adalah kriteria pendapatan yang memiliki

bobot normal 0,30. Pendapatan termasuk kriteria jenis biaya maka pangkat kriteria

adalah -0,30. Penentuan pangkat kriteria kemudian dilakukan untuk semua kriteria.

Hasil penentuan pangkat kriteria ditunjukkan oleh tabel berikut ini.

Tabel 3.13 Hasil Penentuan Pangkat Kriteria

No
Nama Kriteria Jenis Bobot Normal Pangkat
.

44
 1 Pendapatan Biaya 0,30 -0,30

2 Sumber Pendapatan Biaya 0,10 -0,10

3 Tanggungan Manfaat 0,30 0,30

4 Pendidikan Biaya 0,15 -0,15

5 Status Rumah Biaya 0,15 -0,15

b. Perhitungan Nilai Calon

Nilai S merupakan perkalian dari semua atribut calon yang telah

dipangkatkan dengan pangkat kriteria yang sesuai. Sebagai contoh adalah nilai S

untuk calon Ati. Nilai S calon Ati adalah perkalian dari semua atribut calon Ati yang

telah dipangkatkan dengan pangkat kriteria yang sesuai. Berikut ini calah contoh

perhitungan untuk calon Ati.

Nilai S calon Ati

= (nilai kriteria pendapatan calon Ati ^ pangkat pendapatan) x

(nilai kriteria sumber pendapatan calon Ati ^ pangkat sumber pendapatan) x

(nilai kriteria tanggungan calon Ati ^ pangkat tanggungan) x

(nilai kriteria pendidikan calon Ati ^ pangkat pendidikan) x

(nilai kriteria status rumah calon Ati ^ pangkat status rumah) x

= (20 ^ -0,30) x (100 ^ -0,10) x (60 ^ 0,30) x (80 ^ -0,15) x (100 ^ -0,15)

= 0,1975

45
 Nilai S untuk semua calon kemudian dihitung dengan cara yang sesuai. Hasil

perhitungan nilai S semua calon ditunjukkan oleh tabel berikut ini.

Tabel 3.14 Hasil Perhitungan Nilai S

No Nama Calon Nilai S

1 Ati 0,1975

2 Bode 0,2018

3 Donde 0,2107

4 Hasriani 0,1572

5 Israwati 0,2442

6 Jumiati 0,1872

7 Nurtia 0,1837

8 Rastina 0,2296

9 Tie 0,1470

10 Wesatu 0,3488

  Jumlah 2,1100

Nilai V atau nilai WP merupakan pembagian nilai S calon dengan jumlah

nilai S. Sebagai contoh adalah nilai V untuk calon Ati adalah nilai S calon Ati dibagi

jumlah nilai S, yaitu 0,1975 / 2,1100 yang menghasilkan 0,0937. Berikut ini adalah

contoh perhitungan nilai V untuk calon Ati.

46
Nilai V calon Ati

= nilai S calon Ati / jumlah nilai S

= 0,1975 / 2,1100

= 0,0937

Nilai V untuk semua calon kemudian dihitung dengan cara yang sama. Hasil

perhitungan nilai V semua calon ditunjukkan oleh tabel berikut ini.

Tabel 3.15 Normalisasi Nilai S atau Nilai WP

No Nama Calon Nilai V (Nilai WP)

1 Ati 0,0937

2 Bode 0,0957

3 Donde 0,1000

4 Hasriani 0,0746

5 Israwati 0,1159

6 Jumiati 0,0888

7 Nurtia 0,0871

8 Rastina 0,1089

9 Tie 0,0698

10 Wesatu 0,1655

47
3.3.2.4 Gabuangan Metode SAW Dan WP

a. Menghitung Nilai Gabungan

Nilai gabungan dihitung dengan membagi penjumlah nilai SAW dan WP

dengan nilai 2. Sebagai contoh adalah nilai gabungan untuk calon Ati adalah (0,5650

+ 0,0937) / 2 yang menghasilkan nilai 0,3293. Berikut ini adalah contoh perhitungan

nilai gabungan untuk calon Ati.

Nilai gabungan calon Ati

= (nilai SAW calon Ati + nilai WP calon Ati) / 2

= (0,5650 + 0,0937) / 2

= 0,3293

Nilai gabungan semua nama calon kemudian dihitung dengan cara yang

sama. Hasil perhitungan nilai gabungan untuk semua alternatif ditunjukkan oleh tabel

berikut ini.

Tabel 3.16 Hasil Perhitungan Nilai Gabungan

No Nama Calon Nilai Gabungan

1 Ati 0,3293

2 Bode 0,3301

3 Donde 0,3525

4 Hasriani 0,2610

5 Israwati 0,3914

48
 6 Jumiati 0,2944

7 Nurtia 0,3236

8 Rastina 0,3795

9 Tie 0,2436

10 Wesatu 0,5153

b. Mengurutkan Nilai Gabungan

Pengurutan nama calon berdasarkan nilai gabungan sehingga nama calon

dengan nilai tertinggi pada peringkat paling atas sedangkan nama calon dengan nilai

terendah pada peringkat paling bawah. Berdasarkan pengurutan nilai gabungan dapat

diketahui bahwa peringkat 1 dimiliki oleh Wesatu dengan nilai 0,5153, peringkat 2

dimiliki oleh Israwati dengan nilai 0,3914, dan peringkat 3 dimiliki oleh Rastina

dengan nilai 0,3795. Nama calon dengan peringkat paling atas atau nama calon

dengan nilai tertinggi merupakan alternatif terbaik yang paling disarankan untuk

dipilih. Hasil pengurutan nama calon berdasarkan nilai gabungan ditunjukkan oleh

tabel berikut ini.

Tabel 3.17 Hasil Pengurutan Nilai Gabuangan

Peringkat Nama Calon Nilai Gabungan

1 Wesatu 0,5153

2 Israwati 0,3914

3 Rastina 0,3795

49
 4 Donde 0,3525

5 Bode 0,3301

6 Ati 0,3293

7 Nurtia 0,3236

8 Jumiati 0,2944

9 Hasriani 0,2610

10 Tie 0,2436

3.3.3 Desain Sistem

Di tahap desain sistem, dilakukan perancangan sesuai spesifikasi kebutuhan

dari tahap sebelumnya. Perancangan suatu sistem membutuhkan adanya teknik-teknik

penyusunan sistem untuk menganalisa dan mendokumentasikan data yang mengalir

didalam sistem tersebut. Hasil desain atau perancangan sistem yang telah dilakukan

adalah perancangan ERD, Use Case, Class Diagram dab Aktivity Diagram. Desain-

desain tersebut dijabarkan dalam sub-sub bagian tersendiri.

a. Desain Entity Relationship Diagram (ERD)

Desain ERD menggambarkan data atau aspek informasi dalam sistem yang

akan diimplementasikan dalam basis data. Komponen utama dalam ERD yaitu entitas

(entity) dan hubungannya atau relationship. Entitas (entity) merupakan objek fisik

yaitu Petugas dan admin. Dalam entitas lainnya mencakup 4 jenis yaitu jenis kelamin,

petugas, penerima BLT, bobot nilai kriteri dan kriteria. Desain ERD dari Sistem

50
Pendukung Keputusan Penerima Bantuan Langsung Tunai (BLT) Menggunakan

Metode SAW dan WP dapat di lihat pada gambar 3.1:

Gambar 3.1 ERD Sistem Pendukung Kerputusan Penerima BLT

b. Perancangan Unified Modelling Language (UML)

1. Use Case Diagram

Use case diagram menjelaskan antara aktor dengan sistem serta fungsi yang

tersedia untuk setiap aktor. Terdapat 2 aktor pada use case diagram Sistem

51
Pendukung Keputusan penerima BLT ini yaitu admin dan petugas. Use case diagram

ditunjukkan pada Gambar 3.2.

Gambar 3.2 Use Case Diagram Sistem Pendukung Keputusan Penerima BLT

2. Class Diagram

Class diagram menggambarkan struktur sistem dari Sistem Pendukung

Keputusan penerima BLT yang akan dirancang. Rancangan class diagram

ditunjukkan pada Gambar 3.3.

52
 Gambar 3.3 Class Diagram Sistem Pendukung Keputusan Penerima BLT

c. Activity Diagram

Activity diagram berikut menggambarkan aliran kerja Sistem Pendukung

Keputusan penerima Bantuan Langsung Tunai (BLT) di desa Tokowuta yang akan

dirancang. Ada beberapa activity diagram pada sistem ini.

a. Aktivity Diagram Registrasi

Aktivity diagram registrasi menggabarkan proses registrasi petugas, apabila

petugasbaru pertama kasli menggunakan Sistem Pendukung Keputusan penerima

BLT yang telah dibuat. Aktivity diagram registrasi system pendukung keputusan

penerima BLT di desa Tokowuta dapat dilihat pada Gambar 3.6.

53
 Gambar 3.4 Actifity Diagram Registrasi

b. Activity Diagram Login

Activity diagram login menggambarkan alur kerja proses login dari Petugas dan

admin. Proses login dimulai dengan memasukkan username serta password ke dalam

form login kemudian sistem akan melakukan validasi ke database. Jika benar maka

pengguna akan dialihkan ke halaman dashboard namun jika salah maka akan

menampilkan pesan login gagal. Activity diagram login ditunjukkan pada Tabel 3.7.

54
 Gambar 3.5 Actifity Diagram Login

a. Desain Interface Halaman Utama Admin

Desain interface halaman utama admin merupakan tampilan pertama kali yang

ditampilkan ketika admin telah melakukan login dan masuk ke Sistem Pendukung

Keputusan Penerima Bantuan Langsung Tunai (BLT) di Desa Tokowuta . Desain

antarmuka halaman utama ditunjukkan oleh Gambar 3.6.

55
 Gambar 3.6 Desain interface Halaman Utama Admin

b. Desain Interface Halaman Utama Petugas

Desain interface halaman utama petugas merupakan tampilan pertama kali yang

ditampilkan ketika petugas setelah melakukan login dan masuk ke Sistem Pendukung

Keputusan Penerima Bantuan Langsung Tunai (BLT) di Desa Tokowuta . Desain

antarmuka halaman utama ditunjukkan oleh Gambar 3.7.

Gambar 3.7 Desain Interface Halaman Utama Petugas

56
c. Desain Interface Halaman Login

Desain Interface halaman login merupakan halaman yang ditampilkan ketika

petugas dan admin akan masuk kedalam sistem. Untuk dapat mengakses menu

tersebut pengguna harus memasukkan username dan password terlebih dahulu.

Berikut adalah desain interface menu login yang ditunjukkan pada Gambar 3.7.

Gambar 3.8 Desain Interface Halaman Login

57
 DAFTAR PUSTAKA

Adikvika, A., Merlina, N., dan Mayangky, N. A. (2021). Sistem Pendukung

Keputusan Pemilihan Penerima Beasiswa Pendidikan Dengan Menggunakan

Metode Weighted Product Di Yatim Mandiri. Indonesian Journal on Software

Engineering (IJSE), 7(2), pp. 148 - 158.

Afita, I. B., Rizkia, R., Putra, R. E. M., Rahmat, S., dan Rosyani, P. (2022). Analisis

Perbandingan Metode SAW Dan Weight Product pada Penentuan Calon Ketua

Badan Eksekutif Mahasiswa (BEM) Universitas Pamulang. Jurnal Kreativitas

Mahasiswa Informatika, 3(1), pp. 127 - 132.

Anhar. (2010). Panduan Menguasai PHP & MySQL Secara Otodidak. Jakarta:

Mediakita.

Aprilian, L. V. dan Saputra, M. H. K. (2020). Belajar Cepat SAW. Bandung: Kreatif

Industri Nusantara.

Connoly, T. dan Begg, C. (2010). Database Systems - A Practical Approach To

Design, Implementation, and Management. Massachusetts: Pearson Addison -

Wesley.

Dvorski, D. D. (2007). Installing, Configuring, And Developing With XAMPP.

Ontario: Skills Canada.

Fadila, Rahayu, W. I., dan Saputra, M. H. K. (2020). Penerapan Metode Naive Bayes

Dan Skala Likert Pada Aplikasi Prediksi Kelulusan Mahasiswa. Bandung:

Kreatif Industri Nusantara..

58
Fathoroni, A., Fatonah, R. N. S., Andarsyah, R., dan Riza N. (2020). Buku Tutorial

Sistem Pendukung Keputusan Penilaian Kinerja Dosen Menggunakan Metode

360 Degree Feedback. Bandung: Kreatif Industri Nusantara.

Fuady, Q., Tommy, dan Lubis, Y. F. A. (2022). Analisis Perbandingan Metode WP

dan SAW Pada Sistem Pendukung Keputusan Persediaan Merek Sepatu Pada

45 Second Shoes. Jurnal Komputer Teknologi Informasi Sistem Komputer

(JUKTISI), 1(2), pp. 116 - 123.

Hapid, S. D., Dzulhaq, M. I., dan Mulyono, T. (2020). Sistem Pendukung Keputusan

Penyeleksian Supplier Bahan Produksi Dengan Metode Simple Additive

Weighting (SAW). JURNAL SISFOTEK GLOBAL, 10(1), pp. 33 - 37.

Harani, N. H. dan Sunandhar, A. F. (2020). Aplikasi Prospek Sales Menggunakan

Codeigniter. Bandung: Kreatif Industri Nusantara.

Harmayani dan Harahap, R. A. (2022). Perbandingan Metode WP dan SAW dalam

Sistem Pendukung Keputusan untuk Menentukan Tingkat Keberhasilan Guru

Mengajar di Tingkat SMK. Jurnal Media Informatika Budidarma, 6(2), pp. 923

- 932.

Isa, I. G. T., Elfaladonna, F., dan Ariyanti, I. (2022). Buku Ajar Sistem Pendukung

Keputusan. Pekalongan: PT Nasya Expanding Management.

Kurniawan, A. P. A., Achmadi, S., dan Mahmudi, A. (2022). Sistem Pendukung

Keputusan Dengan Metode Simple Additive Weighting (SAW) Dalam Memilih

Saham Badan Usaha Milik Negara (BUMN) Berbasis Web. JATI (Jurnal

Mahasiswa Teknik Informatika), 6(1), pp. 301 - 308.

59
Limbong, T., Muttaqin, Iskandar, A., Windarto, A. P., Simarmata, J., Mesran,

Sulaiman, O. K., Siregar, D., Nofriansyah, D., Napitupulu, D., Wanto, A.

(2020). Sistem Pendukung Keputusan: Metode & Implementasi. Medan:

Yayasan Kita Menulis.

Magdalena, M. dan Prihatini, F. S. (2021). Implementasi Metode Weighted Product

(WP) Pada Sistem Pendukung Keputusan Pemberian Bonus Karyawan.

Jurnal Teknik Informatika dan Sistem Informasi, 8(4), pp. 2158-2170.

Mahbub, A. R., Khaerudin, M., dan Kharoh, I. (2022). Penerapan Metode SAW

(Simple Additive Weighting) Untuk Menentukan Siswa Berprestasi (Studi

Kasus Pada SMP Negeri 24 Jakarta). JSI (Jurnal Sistem Informasi), 9(1), pp.

193 - 202.

McLeod, R. J., dan Schell, G. P. (2007). Information Management Systems. New

Jersey: Pearson Education, Inc.

Mohamad, Y. Y. dan Purnomo, A. S. (2022). Rekomendasi Pemilihan Tas Kulit

Menggunakan Metode SAW (Studi Kasus: Mika Leather). Jurnal Teknologi

Dan Sistem Informasi Bisnis, 4(2), pp. 312 - 233.

Nofriansyah, D. (2015). Konsep Data Mining Vs Sistem Pendukung Keputusan.

Sleman: Deepublish.

Nurhuda, I. dan Prehanto, D. R. (2022). Implementasi Metode Simple Additive

Weighting (Saw) pada Sistem Pendukung Keputusan Rekomendasi Pemilihan

Wedding Organizer di Nganjuk. JEISBI, 3(2), pp. 60 - 67.

60
Prayoga, E., Istiadi, I., dan Priyandoko, G. (2021). Sistem Pendukung Keputusan

Pemilihan Cat Menggunakan Simple Additive Weighting Dan Weighted

Product. Journal of Information Technology and Computer Science

(JOINTECS), 6(1), pp. 1 - 12.

Pressman, R. S. (2010). Software Engineering: A Practitioner's Approach. New

York: The McGraw-Hill Companies, Inc.

Ridhawati, E., Susianto, D., dan Fitrian, Y. (2022). Seleksi Rumah Tidak Layak Huni

Dengan Sistem Pendukung Keputusan Menggunakan Metode SAW Dan

Weight Product. Jurnal Sains Dan Informatika, 8(1), pp. 48 - 54.

Rizal, C., Siregar, S. R., Supiyandi, Armasari, S., dan Karim, A. (2021). Penerapan

Metode Weighted Product (WP) Dalam Keputusan Rekomendasi Pemilihan

Manager Penjualan. Building of Informatics, Technology and Science (BITS),

3(3), pp. 312−316.

Rosyid, M. H., Maulana, I., Iman, F. N, Hidayat, M. S., dan Rosyani, P. (2022).

Sistem Pendukung Keputusan Pemilihan Smartphone Android Menggunakan

Metode Weighted Product (WP). Jurnal Kreativitas Mahasiswa Informatika,

3(1), pp. 69 - 73.

Sahputra, A., Simanjuntak, M., dan Nurhayati. (2022). Sistem Pendukung Keputusan

Penentuan Lokasi Pemasangan CCTV Dengan Metode Weighted Product

(Studi Kasus : PT Langkat Sawit Hijau Pratama). Jurnal Teknik Informatika

Kaputama (JTIK), 6(1), pp. 164 - 175.

61
Whitten, J. dan Bentley, L. (2007). System Analysis And Design. California:

McGraw-Hill Education.

Yudhanto, Y. dan Prasetyo, H. A., (2018). Panduan Mudah Belajar Framework

Laravel. Jakarta: PT Elex Media Komputindo.

62