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 : [email protected]
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.