SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN PENERIMA BERAS MISKIN MENGGUNAKAN ANALYTICAL NETWORK PROCESS (ANP)Wafina Nurul A.1, Okvio Akbar K.2, Pradana Abdi3, Syahlan Fajar N.4, Hema Prasetya512345Program Studi InformatikaProgram Teknologi Informasi dan Ilmu Komputer, Universitas BrawijayaJl. Veteran No.8 Malang 65145, IndonesiaE-mail : wafinanurul@gmail.com1, viozocoolz@gmail.com2, pradanaabdee@gmail.com3, fajargofar@gmail.com4, hemaprasetya@gmail.com5ABSTRAKSistem pendukung keputusan merupakan suatu sistem yang interaktif, yang membantu mengambil keputusan melalui penggunaan data dan model-model keputusan untuk memecahkan masalah yang sifatnya semi terstruktur maupun yang tidak terstruktur. Dalam penelitian ini sistem pendukung keputusan digunakan untuk menentukan penerimaan beras untuk rakyat miskin(raskin) dengan metode ANP. Perhitungan yang melibatkan metode ANP ini menggunakan 6 parameter kategori dalam melakukan komputasinya. Sistem pendukung keputusan ini dapat menentukan penerima beras miskin(raskin) berdasarkan priotitas yang telah dipilih. Dengan harapan pembagian bantuan raskin dapat merata dan tepat sasaran.Kata Kunci : ANP, Beras Miskin, Raskin, Sistem Pendukung Keputusan.ABSTRACTDecision support system is an interactive system, which helps make decisions through the use of data and decision models to solve a problem that is semi-structured and unstructured. In this study, a decision support system used to determine the acceptance of rice for the poor (Raskin) with ANP method. Calculations involving ANP method uses six parameters in performing computing category. This decision support system can determine the recipient of rice for the poor (Raskin) based priotitas who have been. With the hope of relief distribution Raskin can be evenly and precisely targeted.Keywords: ANP, Rice Poor, Raskin, Decision Support Systems.

8

1. PENDAHULUAN1.1 Latar BelakangMasalah kemiskinan merupakan salah satu persoalan mendasar yang menjadi pusat perhatian pemerintah dinegara manapun. Program Pemerintah yang digunakan untuk menanggulangi kemiskinan salah satunya adalah Raskin(Beras untuk masyarakat miskin) yang diselenggarakan oleh BULOG. Program raskin (program penyaluran untuk keluarga miskin) adalah sebuah program dari pemerintah. Masalah ketidak tepatan pembagian Program Raskin menjadi salah satu masalah cukup serius di daerah manapun yang ada di Indonesia. Terdapat banyak kendala di dalam penyaluran raskin bagi Rumah Tangga Sasaran Penerima Manfaat (RTS-PM). [3 : 2] Kasus yang mencuat banyak terjadi terdapat banyak sekali kecurangan, ketidaktepatan penerima, ketidaktepatan waktu pembagian, ketidakpuasan keluarga penerima manfaat dan sebagainya.Cara yang dilakukan dalam proses menentukan siapa yang berhak untuk mendapatkan bantuan beras miskin(raskin) masih menggunakan manusia yaitu ketua RT setempat yang rentan akan faktor non-teknis yang menyebabkan bantuan tidak tepat sasaran. Berdasarkan pemaparan informasi di atas maka akan dibuat sebuah sistem yang berjudul "Membangun Sistem Pendukung Keputusan Untuk Menentukan Penerimaan Beras Untuk Rakyat Miskin(Raskin) dengan ANP. Sistem pendukung keputusan ini dapat menentukan penerima beras miskin(raskin) berdasarkan priotitas yang telah dipilih. Dengan harapan pembagian bantuan raskin dapat merata dan tepat sasaran.1.2 Rumusan Masalaha. Bagaimana merancang dan membangun sistem pendukung keputusan penerimaan beras untuk rakyat miskin(raskin) dengan ANP?b. Bagaimana menentukan prioritas untuk penerima beras untuk rakyat miskin(raskin)?c. Bagaimana menekan kecurangan dalam pemberian bantuan oleh pemerintah untuk rakyat miskin? 1.3 Tujuan PenelitianTujuan Umum :Menerapkan metode ANP untuk menentukan penerima beras miskinTujuan Khusus :a. Membantu pihak wilayah yang mendapat bantuan untuk pendistribusian Raskin agar tepat sasaran.b. Mencegah terjadinya kecurangan dalam pembagian bantuan Raskin.1.4 Manfaat PenelitianManfaat dari penelitian ini adalah :

1.4.1 Bagi penulis1. Dapat lebih memahami tentang implementasi sistem pendukung keputusan dalam penentuan penerima beras miskin.2. Dapat menrapkan ilmu yang telah didapat terutama dalam hal komputasi cerdas.

1.4.2 Bagi Kelurahan1. Mempermudah menentukan siapa yang berhak untuk menerima bantuan.2. Mempermudah untuk mengontrol dan melihat kesejahteraan warganya.

1.5 Batasan PenelitianUntuk memberikan ruang lingkup yang jelas terhadap suatu penelitian, maka dibuat batasan batasan permasalahan, yaitu :1. Data masukan merupakan kriteria Rumah Tangga Miskin(RTM).2. Output yang dihasilkan berupa data layak atau tidaknya warga untuk mendapatkan bantuan Raskin.2.Tinjauan Pustaka2.1 Kajian PustakaKajian pustaka pada penelitian ini adalah membandingkan penelitian yang dilakukan penulis dengan judul SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN PENERIMA BERAS MISKIN MENGGUNAKAN ANALYTICAL NETWORK PROCESS (ANP) dengan penelitian-penelitian sebelumnya yang menggunakan metode sama namun bahasan yang berbeda. Pada penelitian ini membahas tentang sistem pembantu keputusan untuk menentukan siapa perioritas utama penerima beras miskin dengan pengimplementasian metode ANP.2.2 Sistem Pendukung KeputusanPada awal tahun 1970-an, Scott Morton pertama kali mengartikulasikan konsep penting SPK. Ia mendefinisikan SPK sebagai sistem berbasis komputer interaktif, yang membantu para pengambil keputusan untuk menggunakan data dan berbagai model untuk memecahkan masalah-masalah tidak terstruktur. [4 : 20]. Definisi klasik lainnya untuk SPK diajukan oleh Keen dan Scoot Morton (1978), yaitu: sistem pendukung keputusan memadukan sumber daya intelektual dari individu dengan kapabilitas komputer untuk meningkatkan kualitas keputusan. SPK adalah sistem pendukung berbasis komputer bagi para pengambil keputusan manajemen yang menangani masalah-masalah tidak terstruktur.2.3 Sistem InformasiSistem informasi adalah suatu kegiatan dari prosedur-prosedur yang diorganisasikan, bilamana dieksekusi akan menyediakan informasi untuk mendukung pengambilan keputusan dan pengendalian di dalam organisasi [7 : 27]Definisi sistem informasi:1. Suatu sistem yang dibuat oleh manusia yang terdiri dari komponenkomponen dalam organisasi untuk mencapai suatu tujuan yaitu menyajikan informasi.2. Sekumpulan prosedur organisasi yang pada saat dilaksanakan akan memberikan informasi bagi pengambil keputusan dan atau untuk mengendalikan organisasi.3. Suatu sistem dalam suatu organisasi yang mempertemukan kebutuhan pengolahan transaksi, mendukung operasi, bersifat manajerial, dan kegiatan strategi dari suatu organisasi dan menyediakan pihak luar tertentu dengan laporan-laporan yang diperlukan.

2.4 Sistem PakarSistem Pakar adalah salah satu bagian dari Kecerdasan Buatan yang mengandung pengetahuan dan pengalaman yang dimasukkan oleh banyak pakar ke dalam suatu area pengetahuan tertentu sehingga setiap orang dapat menggunakannya untuk memecahkan berbagai masalah yang bersifat spesifik[20]. Arsitektur dari Sistem pakar (Expert System) yaitu : 1. Knowledge Base (Dasar Pengetahuan) Knowledge base ini berisi tentang aturan sebuah fakta dan aturan yang membentuk pengetahuan manusia yang ahli. Komponen ni sangat penting untuk mencapai kinerja dari suatu ahli. Pemikiran dan pengetahuan ahi ini dikumpulkan dan akan dikodekan dalam Knowledge Base. [13:1].2. Inference Engine (Mesin Inferensi) Mesin inference tersebut berisi algoritma yang digunakan untuk mencari Knowlagde Base dan lainnya untuk mencari informasi yang diperlukan untuk memilih aturan atau mencockkan aturan untuk kondisi yang diberikan oleh pengguna. [13:2].3. Working Memory (Memory Kerja) Memory Kerja: informasi mengenai masalah khusus yang harus diselesaikan disimpan dalam bagian kerja memory, biasanya disebut juga bagian dari pernyataan [13:2]. 4. User Interface (Antarmuka Pengguna) User Interface : seorang pengguna Expert System yang berkomunikasi dengan sistem menggunakan antarmuka pengguna [13:2].

2.5 ANPSistem Pendukung keputusan dapat membantu dalam menentukan penilaian suatu permasalahan yang dapat dipecahkan dengan menggunakan suatu metode. Banyak metode yang dapat digunakan dalam sistem pendukung keputusan, diantaranya yaitu metode Analytic Network Process (ANP). ANP merupakan metode pemecahan suatu masalah yang tidak terstruktur dan membutuhkan ketergantungan hubungan antar elemennya. ANP dikembangkan dari AHP (atas dasar hubungan saling ketergantungan antara beberapa komponen). ANP merupakan bentuk khusus dari AHP, ANP dapat mengakomodasi permasalahan yang tidak pasti dan kompleks yang tidak dapat dipecahkan dengan metode tradisional biasa.[10]

2.6 Bantuan Beras MiskinRaskin merupakan program bantuan pangan yang sudah dilaksanakan Pemerintah Indonesia sejak Juli 1998 dengan tujuan awal menanggulangi kerawanan pangan akibat krisis moneter 1997/1998. Sebagai program bantuan beras, Raskin merupakan bagian tak terpisahkan dari program ketahanan pangan, utamanya bagi rumah tangga sasaran. Rumah tangga sasaran penerima manfaat (RTS-PM) Raskin adalah rumah tangga miskin (RTM) yang pada kurun waktu 1998 2005 didefinisikan sebagai rumah tangga pra sejahtera dan rumah tangga sejahtera 1 alasan ekonomi berdasarkan hasil pendataan Badan Koordinasi Keluarga Berencana Nasional (BKKBN). Pelaksanaan program Raskin melibatkan berbagai lembaga di semua tingkat pemerintahan, dengan Kementerian Koordinator Kesejahteraan Rakyat (Menko Kesra) sebagai penanggungjawab utama program. Secara teknis, penanggungjawab pelaksanaan distribusi beras sampai dengan titik distribusi (umumnya di kantor desa/kelurahan) adalah BULOG dan penanggungjawab untuk menyampaikan beras dari titik distribusi ke setiap RTS-PM adalah pemerintah daerah. Namun, sebagai satu entitas program, sosok Program Raskin secara keseluruhan jauh lebih kompleks dari gambaran mekanistis tersebut. Di dalamnya antara lain melibatkan dimensi hubungan antar lembaga dan antar tingkat pemerintahan, finansial, dan prosedur administratif. Oleh karena itu efektivitas pelaksanaan Raskin tidak bisa dilihat secara parsial hanya berdasarkan pada kinerja instansi tertentu saja. Hal tersebut sesuai dengan Pedoman Umum (Pedum) Raskin 2011 yang menyatakan bahwa indikator kinerja Program Raskin adalah tercapainya target Enam Tepat. yaitu Tepat Sasaran Penerima Manfaat, Tepat Jumlah, Tepat Harga, Tepat Waktu, Tepat Administrasi, dan Tepat Kualitas. Secara singkat, pengertian indikator kinerja Enam Tepat tersebut meliputi:1. Tepat Sasaran Penerima Manfaat: Raskin hanya diberikan kepada RTS-PM yang terdaftar dalam Daftar Penerima Manfaat Raskin (DPM-1)--hasil verifikasi data PPLS2008 BPS melalui musyawarah desa/kelurahan yang telah disahkan oleh camat.2. Tepat Jumlah: Jumlah beras Raskin yang merupakan hak RTS-PM sesuai dengan ketentuan yang berlaku, yaitu 15 kg/RTS/bulan atau 180 kg/RTS/tahun.3. Tepat Harga: Harga tebus Raskin adalah sebesar Rp1.600/kg netto di titik distribusi.4. Tepat Waktu: Waktu pelaksanaan distribusi beras kepada RTS-PM sesuai dengan rencana distribusi.5. Tepat Administrasi: Terpenuhinya persyaratan administrasi secara benar, lengkap dan tepat waktu.6. Tepat Kualitas: Terpenuhinya persyaratan kualitas beras sesuai dengan kualitas beras BULOG.[8]

2.7 Indikator Keluarga MiskinDalam penentuan kategori keluarga miskin pemerintah telah menetapkan kriteria-kriteria yg harus dipenuhi, kriteria tersebut adalah :1. Luas lantai bangunan tempat tinggal kurang dari 8m2 per orang2. Jenis lantai tempat tinggal terbuat dari tanah/ bambu/ kayu murahan3. Jenis dinding tempat tinggal dari bambu/ rumbia/ kayu berkualitas rendah/tembok tanpa diplester.4. Tidak memiliki fasilitas buang air besar/ bersama-sama dengan rumah tangga lain.5. Sumber penerangan rumah tangga tidak menggunakan listrik.6. Sumber air minum berasal dari sumur/ mata air tidak terlindung/ sungai/ air hujan.3.METODOLOGIMetode penelitian yang digunakan dalam penelitian ini dibagi dalam beberapa tahap agar proses yang dilakukan lebih terarah. Secara umum, langkahlangkah penelitian yang dilakukan untuk membuat sistem adalah sebagai berikut:

Gambar 3.1 Diagram Alir Metodologi Penelitian.Sumber : Perancangan.

3.1 Studi LiteraturStudi literatur dilakukan dengan cara mengumpulkan dan mempelajari literatur - literatur yang berkaitan dengan sistem pendukung keputusan, ANALYTIC NETWORK PROCESS(ANP). Sumber literatur dapat berupa paper, jurnal dan skripsi yang berjudul Implementasi Metode ANP untuk rekomendasi penentuan penerima beras miskin.3.2 Pengumpulan DataPengumpulan data diambil dari data tugas akhir yang berjudul Sistem Pendukung Keputusan Pembagian Raskin dengan Metode Simple Additive Weighting (SAW)yang disusun oleh Aprilia Ekawati.1. 2. 3. 3.3 Analisa KebutuhanAnalisa kebutuhan bertujuan untuk mengetahui secara keseluruhan kebutuhan yang diperlukan dalam membangun implementasi sistem. Secara keseluran kebutuhan yang digunakan dalam implementasi penelitian ini adalah sebagai berikut : 1. Kebutuhan hardware, meliputi :2. Kebutuhan software, meliputi : Microsoft windows sebagai sistem operasi. MySQL untuk manajemen database. XAMPP server sebagai server localhost.3. Kebutuhan data, meliputi :Data Uji diambil dari data tugas akhir yang berjudul Sistem Pendukung Keputusan Pembagian Raskin dengan Metode Simple Additive Weighting (SAW)yang disusun oleh Aprilia Ekawati. 3.4 Perancangan Sistem Perancangan aplikasi dan desain interface dibangun berdasarkan kebutuhan input dan output aplikasi. Perancangan aplikasi dilakukan setelah semua kebutuhan sistem didapatkan melalui tahap analisis kebutuhan. Perancangan aplikasi berdasarkan Object Oriented Analysis dan Object Oriented Design menggunakan pemodelan UML (Unified Modeling Language).

Gambar 3.2 Diagram Arsitektur Sistem Pendukung Keputusan untukmenentukan penerimma beras miskin.Sumber:[perancangan]

3.5 Implementasi Tahapan ini mengimplementasikan perancangan sistem ke dalam bahasa pemrograman. Implementasi perngkat lunak dilakukan dengan menggunakan pemrograman berorientasi objek yang menggunkan bahasa pemrograman PHP. Software atau compiler yang digunakan untuk membuat sistem pendukung keputusan ini bisa menggunakan XAMPP dan untuk text editor menggunakan notepad++.3.6 Uji Coba Aplikasi Pengujian dilakukan setelah proses implementasi selesai. Pengujian dilakukan dengan membandingkan hasil perhitungan manual dengan perhitungan dari aplikasi. Keakuratan aplikasi diukur berdasrkan tingkat kesamaan hasil antara aplikasi dengan perhitungan manual. Pengujian juga dilakukan untuk bagian interface dan fitur-fitur aplikasi. 3.7 Evaluasi dan Penyempurnaan Sistem Evaluasi dilakukan apabila terjadi kesalahan atau kegagalan pada sistem. Pada tahap evaluasi akan dicari kesalahan-kesalahan yang terjadi pada aplikasi dan menentukan upaya untuk mengimplementasikan secara benar. Setelah tahap evaluasi selesai akan dilakukan penyempurnaan terhadap sistem tersebut sehingga sistem yang sebelumnya terdapat bug/error bisa lebih baik dan sempurna lagi.

4.PERANCANGANBab ini menjelaskan tentang perancangan sistem pendukung keputusan dan perancangan metode menggunakan metode ANP . 4.Perancangan4.2 Perancangan SPK4.1.Analisa KebutuhanSkenario Use CaseIdentifikasi AktorDaftar Kebutuhan SistemDiagram Use CasePerancangan Subsistem Antarmuka PenggunaPerancangan Manajemen DataPerancangan Subsistem berbasis pengetahuan

Perancangan Subsistem Berbasis Model

Gambar 4.1 Pohon Perancangan.Sumber : [Perancangan]

4.1 Analisa Kebutuhan Perangkat LunakAnalisis kebutuhan yang dirancang meliputi aktor yang terlibat pada sistem, Kebutuhan sistem dan use case diagram. Tujuan dari analisis ini adalah memodelkan kebutuhan yang diperlukan oleh sistem. Aktor yang terlibat diantaranya meliputi admin dan user yang terlibat dalam pengambilan keputusan penentuan penerima beras miskin . Admin mempunyai peran mengelola data supplier serta bertugas untuk mengisi bobot kriteria dan menginputkan kriteria. Sedangkan User dapat melihat hasil yang ditampilkan dari sistem.4.2 Perancangan Sistem Pendukung KeputusanTahap perancangan sistem pendukung keputusan ini bertujuan untuk merancang kinerja sistem dan menentukan fitur-fitur sistem secara keseluruhan berdasar model informasi yang telah dibuat pada tahapan analisis kebutuhan sistem. Pada tahap ini akan dilakukan perancangan subsistem yang terdapat pada arsitektur sistem pendukung keputusan untuk penentuan penerima beras miskin. Subsistem yang akan dirancang adalah basis pengetahuan, antarmuka pengguna dan perhitungan manual. Untuk subsistem manajemen data digunakan beberapa pemodelan data, yaitu Data Flow Diagram (DFD) dan Entity Relation Diagram (ERD).4.2.1 Basis Pengetahuan Basis pengetahuan yang ada pada penelitian ini yaitu berupa pengetahuan tentang pemilihan penerima beras miskin dan contoh perhitungan perhitungan penerima beras miskin menggunakan metode Analytic Network Process.4.2.1.1 KriteriaKriteria yang digunakan dalam pemilihan penerima beras miskin tercantum pada tabel 4.10Tabel 4.10 KriteriaNo Kriteria

1.PenghasilanPenghasilan yang dihasilkan oleh kepala keluarga tiap bulan.

2.BB MasakBahan Bakar yang digunakan untuk memasak

3.Dinding RumahJenis tembok yang dipakai

4.Lantai Rumah Jenis lantai yang dipakai

5.WC Kelayakan penggunaan kamar mandi/WC

Sumber: [Perancangan]4.2.1.2 Data SetPada tabel 4.11 merupakan data set yang digunakan dalam pemilihan guru berprestasi.Tabel 4.11 Data SetNamaPenghasilanBB MasakDinding rumahLantai rumahWC

Raharjo550000MinyakTembokPlesterLayak

Rokim410000KayuBambuTanahTidak Layak

Suherman670000GasTembokPlesterLayak

Sukiman620000MinyakKayuTanahTidak Layak

Suwaji530000MinyakKayuTanahTidak Layak

Mukarom490000MinyakBambuPlesterLayak

Solikin640000GasTembokTanahTidak Layak

Tono510000KayuKayuPlesterLayak

Agus Setiawan480000KayuBambuTanahLayak

Jumadi620000GasKayuPlesterLayak

Ponirin430000KayuBambuTanahTidak Layak

Disini kita melakukan inisialisasi nama KK yaitu : Raharjo = A Rokim= B Suherman= C Sukiman= D Suwaji= E Mukarom= F Solikin= G Tono= H Agus Setiawan= I Jumadi= J Ponirin= K

4.2.1.3 Jaringan ANPGambar 4.6 merupakan jaringan ANP untuk penentuan penerima beras miskin.

Gambar 4.6 Jaringan ANP4.2.2 Manajemen ModelPada sub sistem Manajemen Model dijelaskan mengenai contoh perhitungan serta langkah-langkah perhitungan dengan metode ANP untuk menentukan pemilihan guru berprestasi.4.2.2.1 Perhitungan dengan Metode ANPProses metode ANP secara umum dalam penelitian sistem pendukung Keputusan pemilihan guru berprestasi menggunakan metode ANP terdiri dari beberapa tahap seperti yang ditunjukkan pada gambar 4.7.

Gambar 4.7 Diagram Alir Proses ANP

Dari gambar 4.7 dapat dijelaskan proses dari metode ANP diawali dengan memasukkan skala perbandingan antar node yang sebelumnya telah ditentukan jaringan hirarki dengan menggunakan skala saaty dengan kriteria 5 yang sudah ditentukan.Nilai Random Index (RI) ditentukan berdasarkan ukuran matriks (banyaknya kriteria) oleh Thomas L. Saaty dan nilai RI untuk tiap ukuran matriks ditunjukkan dalam tabel 4.12.Tabel 4.12 Nilai Random Index (RI)Ukuran MatriksIndeks Random(inkonsistensi)

1,20,00

30,58

40,90

51,12

61,24

71,32

81,41

91,45

101,49

111,51

121,48

131,56

141,57

151,59

Sumber: [Perancangan]Langkah awal dalam perhitungan ANP yaitu membuat matriks perbandingan berpasangan antar kriteria. Matriks berpasangan antar kriteria dijelaskan pada tabel 4.13Tabel 4.13 Matriks Perbandingan Berpasangan Antar KriteriaPenghasilanBB MasakDinding rumahLantai rumahWC

Penghasilan150,255

BB Masak0,210,20,3330,333

Dinding Rumah5510,25

Lantau Rumah0,23513

WC0,230,20,3331

Sumber: [Perancangan]

Setelah membuat matriks perbandingan berpasangan, maka hitung nilai bobot tiap kriteria, yang ditunjukkan pada tabel 4.14.Dengan perhitungan bobot maka akan didapatkan hasil eigen max 7,793250627. Nilai Consistency Index (CI) 0,698312657dan nilai Consistency Ratio (CR) 0,623493444. Karena nilai Consistency Ratio kurang dari 0,1 maka matriks berpasangan yang telah dibuat sudah konsisten. Tabel 4.14 Menghitung Bobot Tiap Kriteria

Jika matriks perbandingan berpasangan antar kriteria telah dibuat, langkah selanjutnya yaitu membuat matriks perbandingan berpasangan tiap kriteria. Dalam makalah ini pada Tabel 4.15 akan menunjukkan salah satu contoh hasil perhitungan matriks perbandingan berpasangan yaitu untuk kriteria prestasi.Tabel 4.15 Matriks Perbandingan Berpasangan Kriteria PenghasilanABCDEFGHIJKLBobot

A113311311310,12000707412,00%

B113311311310,12000707412,00%

C0,3330,333110,3330,33310,3330,33310,3330,039987624,00%

D0,3330,333110,3330,33310,3330,33310,3330,039987624,00%

E113311311310,12000707412,00%

F113311311310,12000707412,00%

G0,3330,333110,3330,33310,3330,33310,3330,039987624,00%

H113311311310,12000707412,00%

I113311311310,12000707412,00%

J0,3330,333110,3330,33310,3330,33310,3330,039987624,00%

K113311311310,12000707412,00%

Total8,3328,33225258,3328,332258,3328,332258,3321100,00%

Sumber: [Perancangan]Dengan perhitungan bobot maka akan didapatkan hasil eigen max 10,99805462. Nilai Consistency Index (CI) -0,000194538 dan nilai Consistency Ratio (CR) -0,000128833. Karena nilai Consistency Ratio kurang dari 0,1 maka matriks berpasangan yang telah dibuat sudah konsisten. Pada tabel 4.19 menunjukkan nilai matriks perbandingan berpasangan kriteria ketaatan.Tabel 4.19Matriks Perbandingan Berpasangan Kriteria Kelayakan WCABCDEFGHIJKEIGEN VALUEBobot

A10,33310,3330,33310,3331110,3330,0476116534,76%

B313113133310,14286601714,29%

C10,33310,3330,33310,3331110,3330,0476116534,76%

D313113133310,14286601714,29%

E313113133310,14286601714,29%

F10,33310,3330,33310,3331110,3330,0476116534,76%

G313113133310,14286601714,29%

H10,33310,3330,33310,3331110,3330,0476116534,76%

I10,33310,3330,33310,3331110,3330,0476116534,76%

J10,33310,3330,33310,3331110,3330,0476116534,76%

K313113133310,14286601714,29%

Total216,998216,9986,998216,9982121216,9981100,00%

Sumber: [Perancangan]Dengan perhitungan bobot maka akan didapatkan hasil eigen max 10,99795018. Nilai Consistency Index (CI) -0,000204982 dan nilai Consistency Ratio (CR) -0,000135749. Karena nilai Consistency Ratio kurang dari 0,1 maka matriks berpasangan yang telah dibuat sudah konsisten. Setelah menghitung seluruh matriks perbandingan berpasangan tiap kriteria, maka dilakukan penjumlahan seluruh bobot tiap kriteria. Tabel 4.14 menunjukkan hasil akhir perankingan.Tabel 4.20 Hasil Akhir PerankinganBobotRANK

PenghasilanBB MasakDinding rumahLantai rumahWCBobot Final

0,1200070740,0728533380,026087310,0401573060,0476116530,3067166819

0,1200070740,157581180,157581180,1332022450,1428660170,7112376961

0,039987620,026087310,026087310,0401573060,0476116530,17993119911

0,039987620,0728533380,0728533380,1332022450,1428660170,4617625585

0,1200070740,0728533380,0728533380,1332022450,1428660170,5417820124

0,1200070740,0728533380,157581180,0401573060,0476116530,4382105516

0,039987620,026087310,026087310,1332022450,1428660170,3682305028

0,1200070740,157581180,0728533380,0401573060,0476116530,4382105517

0,1200070740,157581180,157581180,1332022450,0476116530,6159833323

0,039987620,026087310,0728533380,0401573060,0476116530,22669722710

0,1200070740,157581180,157581180,1332022450,1428660170,7112376962

Sumber: [Perancangan]Bobot Final didapatkan dari menjumlahkan seluruh bobot dari tiap kriteria yang ada. Bobot dari tiap kriteria diambil dari eigen value matriks perbandingan berpasangan kriteria.Bobot Final A= 0,120007074 + 0,072853338 + 0,02608731 + 0,040157306 + 0,047611653= 0,306716681Bobot Final B= 0,120007074 + 0,15758118 + 0,15758118 + 0,142866017 + 0,711237696= 0,306716681Bobot Final C= 0,03998762 + 0,02608731 + 0,02608731 + 0,047611653 + 0,047611653= 0,179931199Bobot Final D= 0,03998762 + 0,072853338 + 0,072853338 + 0,133202245 + 0,142866017= 0,461762558Bobot Final E= 0,120007074 + 0,072853338+ 0,072853338 +0,133202245 + 0,142866017= 0,541782012Bobot Final F= 0,120007074 +0,072853338 + 0,15758118 + 0,040157306 + 0,047611653= 0,438210551Bobot Final G= 0,03998762 + 0,02608731 + 0,02608731 + 0,133202245 + 0,142866017= 0,368230502Bobot Final H= 0,120007074 + 0,15758118 + 0,072853338 + 0,040157306 + 0,047611653= 0,438210551Bobot Final I= 0,120007074 + 0,15758118 + 0,15758118 + 0,133202245 + 0,047611653= 0,615983332Bobot Final J= 0,03998762 + 0,02608731 + 0,072853338 + 0,040157306 + 0,047611653= 0,226697227Bobot Final K= 0,120007074 + 0,15758118 + 0,15758118 + 0,133202245 + 0,142866017= 0,711237696Sehingga, dapat diambil kesimpulan dari 11 warga yang ada yang mempunyai nilai akhir tertinggi ialah Warga B dengan nilai 0,306716681. Sehingga Pemain B adalah warga yang dipilih atau paling layak untuk mendapatkan bantuan beras miskin.

5.KESIMPULANDari hasil pembuatan aplikasi sistem pendukung keputusan penerima beras miskin menggunakan metode ANP, dapat disimpulkan bahwa:1. Hasil perhitungan ANP yang dilakukan dalam hal ini sesuai dengan hasil metode ANP.2. Sistem ini nanti akan dapat membantu melakukan seleksi calon penerima beras miskin sehingga mendukung pemilihan yang seimbang dan objektif. 6. DAFTAR PUSTAKA

[1]Christian, S,Penyaluran Raskin Tidak Tepat Sasaran,http://sinarharapan.co/news/read/140820202/penyaluran-raskin-tidak-tepat-sasaran-span-span-span-span-, di akses pada 21 April 2015.[2]Perhitungan Kebutuhan Bahan Material pada Suatu Proyek Pembangunan Rumah dengan Menggunakan Logika Fuzzy Metode Sugeno, Universitas Sumatera Utara, Medan, 2010.[3]Alhamidi, S.Kom, M.Kom, Perancangan Sistem Pendukung Pengambilan Keputusan Untuk Penyeleksian Penerima Beras Miskin(Raskin), Bukittinggi, 2014. [4]Manurung, P, Sistem Pendukung Keputusan Seleksi Penerima Beasiswa Dengan Metode Ahp Dan Topsis, https://www.academia.edu/6860475/SPK_Topsis[5]Ustito, Joko, Sistem Pendukung Keputusan Penilaian Proses Belajar Mengajar Menggunakan Metode Simple Additive Weighting (Saw), http://core.ac.uk/download/files/379/18605548.pdf[6] Ayuliana, ST., MMSI, Sistem Penunjang Keputusan, http://ayuliana_st.staff.gunadarma.ac.id/Downloads/files/26377/Pertemuan+06-Computer+Based+Information+System+[7]Januarizky, Dicky, Rancang Bangun Sistem Informasi Akademik Berbasis Web Guna Memantau Hasil Belajar Siswa Di Sma Diponegoro Tulungagung, http://docslide.net/documents/rancang-bangun-sistem-informasi-akademik-berbasis-web-guna-memantau-hasil-belajar-siswa.html[8] BULOG, Sekilas Raskin, http://www.bulog.co.id/sekilas_raskin.php, di akses pada 14 Maret 2015.[9]BPS, 14 Kriteria Miskin Menurut Standar BPS, http://skpd.batamkota.go.id/sosial/persyaratan-perizinan/14-kriteria-miskin-menurut-standar-bps/, di akses pada 13 Mei 2015.

[10]Ocampoa, Lanndon, A robust evaluation of sustainability initiatives with analytic network process (ANP), Philipines, 2015.[11]Ordoobadi, Sharon M, Application of ANP methodology in evaluation of advanced technologies, USA, 2010 [12]Laura M. Meade, R&D Project Selection Using the Analytic Network Process, 2002[13]Sigit, Pribadi, Sistem Pendukung Keputusan Untuk Pengalokasian Dana Bantuan Langsung Masyarakat Program Penanggulangan Kemiskinan Perkotaan di Kabupaten Magelang Propinsi Jawa Tengah Gianyar, Universitas Gadjah Mada, Yogyakarta, 2007.[14]Gerdon, Sistem Pendukung Keputusan Untuk Menentukan Penerimaan Beasiswa Bagi Mahasiswa, STMIK AMIKOM, Yogyakarta, 2011.[15] Zahra, Sakti, Sistem Pendukung Keputusan Seleksi Penerima Beras (Raskin) untuk Masyarakat Miskin, Universitas Dian Nuswantoro, Semarang, 2009.[16]Sanjaya, Agus, Implementasi Metode Analytical Network Process Untuk Membangun Aplikasi Executive Support System Pada Perusahaan Konsultan IT, Universitas Udayana, Bali, 2011[17]Ehsan, Hamzehi, A Multi Stage Decision Making Model to Evaluate Suppliers by Using MOLP and ANP in a Strategic Approach, Shahid Beheshti University, Iran, 2013[18]Syafrizal, Melwin , S.Kom, M.Eng, SISTEM PENDUKUNG KEPUTUSAN (Decision Support System)[19]Shojaei, Professor Mohammadreza, Using Analytical Network Process (Anp) Method To Prioritize Strategies Resulted From Swot Matrix, Seyede Somayeh Aghaei Ershad Damavand University, Iran[20]Yudatama, Uky, Sistem Pakar untuk Diagnosis Kerusakan Mesin Mobil Panther Berbasis Mobile, Magelang, 2008[21]Sulistyohati, Aprilia, Aplikasi Sistem Pakar Diagnosa Penyakit Ginjal Dengan Metode Dempster-Shafer, Universitas Islam Indonesia, Yogyakarta, 2008[22]Huang, Lian, An Analytic Network Process Model for Selecting Vendors in Business Process Outsourcing, China, 2008[23]Wua, Kuo-Jui, Using the Analytical Network Process in Porters Five Forces Analysis, Philippine, 2012[24]Ruhang WANG, Attacking Decision of Underwater Multiple Targets by Using Analytic Network Process (ANP), Northwestern Polytechnical University, China, 2008[25]Hsul, Chia-Wei, Application of Analytic Network Process on Supplier Selection to Hazardous Substance Management in Green Supply Chain Management , Taiwan, 2007 [26]W, Cheng-Ru, Analyzing Alternatives in Collaborative Technology of Software Contractor by Analytic Network Process, Taiwan, 2010[27]Lv, Rang-sheng ,Analysis on Location Selection of Dry Ports Based on ANP , China, 2009[28]Ocampo, Lanndon A, Using Analytic Network Process For Evaluating Mobile Text Entry Methods, Philippines, 2015[29]Kivijrv, Hannu, Supporting the Supplier Scheduling Decisions in the E-Invoicing Implementation Projects - An Application of the ANP Method, Finland, 2011[30]Thang, Daizhong, Real Estate Investment Decision-making Based on Analytic Network Process , China, 2009[31] Liu, LisaBing, Application ofAnalytic NetworkProcess in Knowledge ManagementPerformance Evaluation, Chine, 2008 [32]Carlucci, Daniela, Evaluating and selecting key performance indicators: an ANP-based model, Italy, 2010[33]Liao, Sen-Kuei, Optimal Selection Of Program Suppliers For TV Companies Using An Analutic Network Process (ANP) Appoarch, Taiwan, 2009[34]Agustiansyah Riza, Implementation of Analytic Network Process (ANP) and Analytic Hierarchy Process (AHP) Method to Determine Priorities of Roads to be Repaired at Bogor City Department Of Public Works, 2013[35]Buke, Tayfun, An Analytical Network Process (ANP) evaluation of alternative fuels for electricity generation in Turkey, Turkey, 2007[36]Lee Hakyeon, Analytic Network Process Approach To Operationalization Of Five Forces Model, Korea, 2011