NASKAH PUBLIKASI

SISTEM PENDUKUNG KEPUTUSAN

PEMILIHAN PENERIMA PAKET BANTUAN

PEMBERIAN MAKANAN TAMBAHAN PEMULIHAN GIZI

DENGAN METODE SAW DI PUSKESMAS DLINGO II

BANTUL

SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN ILMU KOMPUTER

EL RAHMA

YOGYAKARTA

2018

Diajukan oleh

Nur Faizin

12090704

Kepada

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PENERIMA PAKET

BANTUAN PEMBERIAN MAKANAN TAMBAHAN PEMULIHAN GIZI

DENGAN METODE SAW DI PUSKESMAS DLINGO II BANTUL

Nur Faizin

Mahasiswa Program Studi Teknik Informatika STMIK El Rahma Yogyakarta

e-mail : aloneranger2010@gmail.com

ABSTRACT

The research was conducted on the basis of the needs of computerized

media to improve the effectiveness and efficiency of Puskesmas activity programs.

Basic Health Research (Riskesdas) 2010 found health problems caused by

malnutrition. Handling health problems, in this case malnutrition or malnutrition

requires immediate intervention so as not to lose the golden period, which can

cause irreversible problems.

The Simple Additive Weighting (SAW) method is used in the preparation

of the application of this Decision Support System. Web based application with

PHP programming language, CodeIgniter framework and MySql database. It has

been tested in the research center of Dlingo II Public Health Center in Bantul

Regency as a support for decision makers in the selection of prospective

recipients of nutritional recovery PMT assistance. The criteria used are in

accordance with the PMT Balita and Bumil BOK Guidebook with dynamic

weighting according to user intervention, in this case the admin of the Puskesmas

Nutrition program.

Application users who filled out the 90% questionnaire said they agreed

that this application was fast and easy, the rest were still in doubt and did not

agree with this application quickly and easily. As many as 96.7% of respondents

even agreed that this application displays the information needed.

Keywords: SPK, PMT Nutrition, Riskesdas, BOK, Puskesmas.

INTISARI

Penelitian dilakukan atas dasar kebutuhan media komputerisasi untuk

meningkatkan efektifitas dan efisiensi program kegiatan Puskesmas. Riset

Kesehatan Dasar (Riskesdas) 2010 menemukan permasalahan kesehatan yang

disebabkan karena kekurangan gizi. Penanganan masalah kesehatan, dalam hal ini

kekurangan gizi atau malnutrisi membutuhkan interfensi segera agar tidak

kehilangan golden period, yang dapat menimbulkan masalah yang irreversibel.

Metode Simple Additive Weighting (SAW) dipergunakan dalam

penyusunan aplikasi Sistem Pendukung Keputusan ini. Aplikasi berbasis web

dengan bahasa pemrograman PHP, kerangka kerja CodeIgniter dan basisdata

MySql. Telah diujicoba di tempat penelitian Puskesmas Dlingo II Kabupaten

Bantul sebagai dukungan bagi pengambil keputusan dalam pemilihan calon

penerimma bantuan PMT pemulihan gizi. Kriteria yang digunakan sesuai dalam

buku panduan PMT Balita dan Bumil BOK dengan pembobotan yang dinamis

sesuai interfensi pengguna, dalam hal ini admin program Gizi Puskesmas.

Pengguna aplikasi yang mengisi kuisioner 90% menyatakan setuju bahwa

aplikasi ini cepat dan mudah, sisanya masih ragu dan tidak setuju aplikasi ini

cepat dan mudah. Sebanyak 96,7 % responden bahkan menyatakan setuju bahwa

aplikasi ini menampilkan informasi yang dibutuhkan.

Kata kunci: SPK, PMT Gizi, Riskesdas, BOK, Puskesmas.

PENDAHULUAN

Usia balita merupakan periode pertumbuhan dan perkembangan yang

sangat pesat tetapi rawan terhadap kekurangan gizi. Hasil Riset Kesehatan Dasar

(RISKESDAS) 2010 menunjukkan prevalensi BBLR 11,1%, balita gizi kurang

sebesar 17,9% dan balita pendek sebesar 35,6%. Mulai tahun 2012 Kementerian

Kesehatan RI menyediakan anggaran untuk kegiatan PMT Pemulihan bagi balita

gizi kurang melalui dana Bantuan Operasional Kesehatan (BOK).

Salah satu bentuk dukungan Puskesmas bagi kegiatan PMT Pemulihan

gizi adalah kegiatan seleksi calon penerima bantuan paket PMT Pemulihan gizi.

Seleksi dilakukan oleh petugas Puskesmas dibantu kader kesehatan dari tiap RT di

posyandu. Proses pemilihan secara manual membutuhkan banyak sumber daya

manusia dan rentang waktu yang panjang dalam mengambil keputusan

mengakibatkan data hasil pengukuran sudah tidak akurat. Sementara kondisi

kekurangan gizi pada anak harus segera memperoleh intervensi.

Rumusan Masalah

Pemilihan calon penerima menghasilkan banyak data dan informasi yang

membutuhkan olah data dengan sistem terkomputerisasi untuk mendukung

pengambilan keputusan secara lebih efektif dan efisien.

Tujuan Penelitian

Mempercepat proses seleksi calon penerima bantuan PMT Pemulihan Gizi

secara efektif dan efisien dengan sistem pendukung keputusan berbasis komputer.

Manfaat

Efektif : Menyeleksi calon dalam jumlah besar secara cepat dan tepat atau

akurat. Efisien : Menghemat sumberdaya. Daya minimal tetapi hasil maksimal.

Optimal : Penyaluran bantuan lebih cepat akan lebih bermanfaat bagi penerima

yang darurat kurang gizi .

Batasan Masalah

Data diambil di posyandu dalam wilayah kerja Puskesmas Dlingo II,

Obyek pendataan adalah anak Balita usia 6-59 bulan dengan kriteria sesuai

panduan Bantuan Operasional Kesehatan (BOK) untuk PMT Balita dan Bumil

Kemenkes RI tahun 2012

Metodologi Penelitian

Data dan informasi diperoleh dari petugas nutrisionis, kader kesehatan,

petugas promosi kesehatan Puskesmas, buku atau referensi-referensi lain yang

berhubungan dengan kasus yang diteliti. Observasi dengan mengamati secara

langsung kegiatan dan melakukan validasi terhadap informasi yang diberikan pada

saat wawancara.

RANCANGAN PENELITIAN

Sistem memiliki 3 entitas, yaitu pengguna, kriteria dan alternatif dengan

diagram relasi entititas sebagai berikut :

Gambar 1. Diagram Relasi Entitas

Proses pertama yang dilakukan sistem adalah input data kriteria ke

komputer yang kemudian disimpan ke dalam media penyimpanan kriteria.

Data alternatif di input secara manual pada formulir yang didokumentasikan pada

kertas. Data alternatif selanjutnya di input ke komputer dan disimpan ke dalam

media penyimpanan alternatif. Berdasarkan data kriteria dan alternatif dari media

penyimpanan dilakukan perhitungan bobot alternatif. Pengurutan hasil

perhitungan bobot alternatif dilakukan setelah penghitungan selesai.

Gambar 2. Diagram Alir Sistem

Saran SPK akan menampilkan tahapan perhitungan SPK apabila pengguna

memerlukan. Ujicoba sampel dilakukan dengan melakukan penghitungan manual

dibandingkan dengan output aplikasi setelah jadi.

Penerapan SPK Metode SAW (Simple Additive Weighting)

Sampel alternatif (Ai) : A1,A2,A3,A4,A5,A6

Kriteria (Cj) : C1 = umur, C2 = berat badan, C3 = tinggi badan, C4 = riwayat sakit

Menyusun nilai rating kecocokan pada setiap kriteria dan sifat Ci dengan tabel

sehingga diperoleh rating kinerja Xij. Dimana xij merupakan rating kinerja

alternatif ke-i terhadap atribut ke-j.

Tabel 1. Tabel Rating kecocokan

Xij Kriteria

alternatif C1 C2 C3 C4

A1 8 4 50 1

A2 48 20 105 2

A3 58 13 95 2

A4 57 15 96 2

A5 55 14 89 2

A6 15 4 55 2

sifat Cost Benefit Benefit Cost

𝑥11 ⋯ 𝑥1𝑗

X= ⋮ ⋱ ⋮

𝑥𝑖1 ⋯ 𝑥𝑖𝑗

Diperoleh matrix keputusan X dari tabel rating kecocokan diatas

8 4 50 1

48 20 105 2

58 13 95 2

57 15 96 2

55 14 89 2

15 4 55 2

Perhitungan normalisasi matriks X akan menghasilkan matriks R yang telah

ternormalisasi dari rumus sebagai berikut :

Diperoleh dari perhitungan C1 dan C4 bersifat Cost maka : rij = Min Xij

Xij

Diperoleh dari perhitungan C2 dan C3 bersifat Benefit maka : rij = Xij

MaXi

r11 = min{8,48,58,57,55,15}/8 = 8/8 = 1

r21 = min{8,48,58,57,55,15}/48 = 8/48 = 0,1667

r31 = min{8,48,58,57,55,15}/58 = 8/58 = 0,1379

r41 = min{8,48,58,57,55,15}/57 = 8/57 = 0,1404

r51 = min{8,48,58,57,55,15}/55 = 8/55 = 0,1455

r61 = min{8,48,58,57,55,15}/15 = 8/15 = 0,5333

r12 = 4 / max{4;20;13,15,14,4} = 4/20 = 0,2

r22 = 20 / max{4;20;13,15,14,4} =20/20 = 1

r32 = 13 / max{4;20;13,15,14,4} = 13/20 = 0,65

r42 = 15 / max{4;20;13,15,14,4} = 15/20 = 0,75

r52 = 14 / max{4;20;13,15,14,4} = 14/20 = 0,7

r62 = 4 / max{4;20;13,15,14,4} = 4/20 = 0,2

r13 = 50 / max{50;105;95,96,89,55} = 50/105 = 0,4762

r23 = 105 / max{50;105;95,96,89,55} =105/105 = 1

r33 = 95/ max{50;105;95,96,89,55} = 95/105 = 0,9048

r43 = 96 / max{50;105;95,96,89,55} = 96/105= 0,9143

r53 = 89 / max{50;105;95,96,89,55} = 89/105= 0,8476

r63 = 55/ max{50;105;95,96,89,55} = 55/105 = 0,5238

r14=min{1,2,2,2,2,2}/1=1

r24=min{1,2,2,2,2,2}/2=0,5

r34=min{1,2,2,2,2,2}/2=0,5

r44=min{1,2,2,2,2,2}/2=0,5

r54=min{1,2,2,2,2,2}/2=0,5

r64=min{1,2,2,2,2,2}/2=0,5

R =

Perkalian Matriks ternormalisasi R dengan bobot kriteria W

W=[10/100,40/100,10/100,40/100]

Menghasilkan nilai preferensi dengan rumus Vi =∑Wj*rij

V1=(0,1*1)+(0,4*0,2)+(0,1*0,4762)+(0,4*1)=0,6276

V2=(0,1*0,1667)+(0,4*1)+(0,1*1)+(0,4*0,5)=0,7167

V3=(0,1*0,1379)+(0,4*0,65)+(0,1*0,9048)+(0,4*0,5)=0,5643

V4=(0,1*0,1404)+(0,4*75)+(0,1*0,9143)+(0,4*0,5)=0,6055

V5=(0,1*0,1455)+(0,4*0,7)+(0,1*0,8476)+(0,4*0,5)=0,5793

V6=(0,1*0,5333)+(0,4*0,2)+(0,1*0,5238)+(0,4*0,5)=0,3857

Setelah diperoleh nilai Vi dilakukan pengurutan sebagai saran SPK dan dengan

tertinggi V2 yang merupakan nilai dari A2

1 0,2 0,4762 1

0,1667 1 1 0,5

0,1379 0,65 0,9048 0,5

0,1404 0,75 0,9143 0,5

0,1455 0,7 0,8476 0,5

0,5333 0,2 0,5238 0,5

Hasil Penelitian dan Kesimpulan

Pada pengujian aplikasi menghasilkan output seperti gambar 3 yang

menunjukan kesesuaian dengan rancangan perhitungan manual. Output saran SPK

diperoleh seketika setelah input alternatif dan dapat dilakukan oleh seorang

operator. Sehingga dapat disimpulkan penelitian ini telah memberi hasil sesuai

tujuan yaitu mempercepat proses seleksi calon penerima bantuan PMT Pemulihan

Gizi secara efektif dan efisien dengan sistem pendukung keputusan berbasis

komputer.

Gambar 3. Hasil ujicoba Aplikasi

Lampiran

Gambar 4. Tampilan halaman login

Gambar 5. Tampilan halaman Beranda administrator

Gambar 6. Tampilan halaman menambahkan pengguna

Gambar 7. Tampilan formulir pengguna

Gambar 8. Tampilan halaman formulir kriteria

Gambar 9. Tampilan halaman daftar kriteria

Gambar 10. Tampilan halaman formulir alternatif

Gambar 11. Tampilan halaman daftar alternatif

DAFTAR PUSTAKA [1]Azhar, K., 1995, Teori Pembuat Keputusan, Fakultas Ekonomi Universitas Indonesia,

Jakarta. [2]Jogiyanto, H., 1989, Analisis & Desain Sistem Informasi, Andi, Yogyakarta.

[3]Kadir, A., 2009, Dasar perancangan dan implementasi database relasional, Andi, Yogyakarta.

[4]Kadir, A., 2009, Membuat aplikasi web dengan PHP+ Database MySql, Andi, Yogyakarta.

[5]Kadir, A. dan Triwahyuni, T.Ch., 2005, Pengenalan Teknologi Informasi, Andi,

Yogyakarta.

[6]Kemenkes RI, 2012, Panduan Penyelenggaraan Pemberian Makanan Tambahan Pemulihan Bagi Balita Gizi Kurang dan Ibu Hamil KEK (Bantuan Operasional Kesehatan), Kementrian Kesehatan RI Dirjen Bina Gizi dan Kesehatan Ibu Anak, Jakarta.

[7]Kusumadewi, S., Hartati, S., Harjoko, A. dan Wardoyo, R., 2006, Fuzzy Multi-Attribute Decision Making (Fuzzy MADM), Graha Ilmu, Yogyakarta.

[8]Pratama, A.N.W., 2010, CodeIgniter : Cara Mudah Membangun Aplikasi PHP, cetakan

I, mediakita, Jakarta.

[9]Turban, E., 2005, Decision Support Systems and Intelligent Systems Edisi Bahasa

Indonesia Jilid I, Andi, Yogyakarta.