How to cite:
Muhammad Rizki Nugraha (2024) Implementasi Metode Simple Additive Weighting (SAW) dan
Simple Multi-Attribute Rating Technique (Smart) Untuk Penentuan Kelompok Penerima Bantuan
Benih Ikan, (06) 05, https://doi.org/10.36418/syntax-idea.v3i6.1227
E-ISSN:
2684-883X
Published by:
Ridwan Institute
IMPLEMENTASI METODE SIMPLE ADDITIVE WEIGHTING (SAW) DAN SIMPLE
MULTI-ATTRIBUTE RATING TECHNIQUE (SMART) UNTUK PENENTUAN
KELOMPOK PENERIMA BANTUAN BENIH IKAN
Muhammad Rizki Nugraha
Universitas Pendidikan Indonesia, Indonesia
Email: [email protected]
Abstrak
Pemberian bantuan benih ikan merupakan program rutin pemerintah kabupaten Ciamis yang
dilaksanakan oleh Dinas Peternakan dan Perikanan Kabupaten Ciamis, melalui Balai Benih
Ikan (BBI). Pemberian bantuan mempertimbangkan beberapa kriteria yang dimiliki kelompok
pembudidaya ikan (Pokdakan) yaitu: luas kolam, jumlah anggota, Surat Keterangan Usaha
(SKU), kondisi kolam, usia kelompok, dan domisili. Adanya keterbatasan dalam jumlah
bantuan benih yang dapat diberikan, banyaknya jumlah kriteria penilaian, banyaknya ajuan
bantuan dari pokdakan dan proses penilaian yang masih subjektif menghambat proses
pemberian bantuan dan mengurangi objektivitas dalam penentuan penerima bantuan benih ikan.
Oleh karena itu, diperlukan sistem penunjang keputusan untuk mendukung proses tersebut.
Pada penelitian ini, akan dibandingkan metode Simple Additive Weighting (SAW) dan metode
Simple Multi-Attribute Rating Technique (SMART) dengan 6 kriteria penilaian. Hasil
pengujian dengan metode black box menunjukkan sistem berjalan dengan optimal. Berdasarkan
uji coba lapangan, sistem dapat memberikan rekomendasi/pokdakan yang menjadi prioritas
penerima bantuan.
.
Kata kunci: Sistem Penunjang Keputusan, Simple Additive Weighting, Simple Multi-
Attribute Rating Technique
Abstract
The provision of fish seed assistance is a routine program of the Ciamis district government
implemented by the Ciamis Regency Livestock and Fisheries Office, through the Fish Seed
Center (BBI). The provision of assistance considers several criteria owned by the fish farming
group (Pokdakan), namely: pond area, number of members, Business Certificate (SKU), pond
condition, age of the group, and domicile. The existence of limitations in the amount of seed
assistance that can be provided, the large number of assessment criteria, the number of
applications for assistance from pokdakan and the assessment process that is still subjective
hinder the process of providing assistance and reduce objectivity in determining recipients of
fish seed assistance. Therefore, a decision support system is needed to support this process. In
this research, the Simple Additive Weighting (SAW) method and the Simple Multi-Attribute
Rating Technique (SMART) method will be compared with 6 assessment criteria. Test results
using the black box method show that the system runs optimally. Based on field trials, the system
can provide recommendations/pokdakan that are priorities for beneficiaries.
JOURNAL SYNTAX IDEA
p–ISSN: 2723-4339 e-ISSN: 2548-1398
Vol. 6, No. 05, Mei 2024
Muhammad Rizki Nugraha
1984 Syntax Idea, Vol. 6, No. 05, Mei 2024
Keywords: Decision Support System, Simple Additive Weighting, Simple Multi-Attribute
Rating Technique
PENDAHULUAN
Ikan merupakan makanan yang memiliki nilai gizi tinggi dan pasokannya melimpah
(Prastiyani & Nuryanto, 2019). Selaras dengan hal tersebut, Dinas Pangan dan Perikanan
Kabupaten Mojokerto juga menyatakan bahwa ikan mengandung protein dengan asam lemak
omega 3 yang dibutuhkan tubuh (Amanda, Wulandari, Nadira, Ilyas, & Risnawati, 2023). Oleh
karena itu, ikan menjadi makanan yang diminati di kalangan masyarakat. Minat masyarakat
terhadap ikan, melahirkan kelompok yang dinamakan Kelompok Pembudidaya Ikan
(Pokdakan). Berdasarkan Keputusan Menteri Kelautan dan Perikanan Republik Indonesia No.
14 Tahun 2012, Pokdakan merupakan kelompok atau kumpulan yang memiliki mata
pencaharian sebagai pembudidaya ikan yang terorganisir (Kementerian Kelautan dan Perikanan
Republik Indonesia, 2012).
Pada tingkat kabupaten/kota, terdapat unit pelaksana teknis yang menaungi pokdakan
yaitu Balai Benih Ikan (BBI). Salah satu tugas dari BBI adalah menyediakan dan
mendistribusikan benih ikan unggul, dan ada pula pemberian benih ikan. Salah satu BBI yang
menjalankan program pemberian bantuan benih ikan adalah BBI di Kabupaten Ciamis. Bantuan
benih ikan dapat diberikan selama pokdakan memenuhi 6 kriteria yaitu: luas kolam, jumlah
anggota, Surat Keterangan Usaha (SKU), kondisi kolam, usia kelompok, dan domisili. Meski
demikian, benih ikan yang dapat diberikan sebagai bantuan jumlahnya terbatas dan tidak
sebanding dengan jumlah proposal pengajuan bantuan dari pokdakan. Selain itu, proses
penentuan penerima bantuan dilakukan dengan penilaian dan pertimbangan penilai, sehingga
masih bersifat subjektif, memerlukan waktu yang lama, sehingga penerimaan bantuan menjadi
terhambat.
Saat ini, proses penentuan kelompok penerima benih ikan dilakukan melalui beberapa
tahapan yang ditunjukkan pada gambar 1 berikut.
Gambar 1
Tahap Penentuan Penerima Bantuan Benih Ikan
Implementasi Metode Simple Additive Weighting (SAW) dan Simple Multi-Attribute Rating
Technique (Smart) Untuk Penentuan Kelompok Penerima Bantuan Benih Ikan
Syntax Idea, Vol. 6, No. 05, Mei 2024 1985
Berdasarkan gambar 1, penentuan penerima bantuan benih ikan dimulai dari pengauan
proposal pada kepala dinas. Apabila proposal diterima, proposal diteruskan pada kepala BBI
dan penilaian kriteria akan dilakukan berdasarkan data dari proposal. Apabila sesuai, pokdakan
akan menerima bantuan benih ikan. Proses tersebut menyebabkan pemberian bantuan menjadi
terhambat. Akibatnya, pokdakan penerima bantuan lebih sedikit dibandingkan pokdakan yang
tidak menerima bantuan, terutama pada bulan April seperti yang diperlihatkan pada gambar 2.
Gambar 2
Graik Kelompok Penerima Bantuan Benih Ikan
Seyogyanya, proses penentuan penerima bantuan dapat lebih objektif dan cepat, sehingga
pemberian bantuan dapat lebih maksimal dan jumlah penerima bantuan dapat lebih banyak.
Untuk mengatasi permasalahan tersebut, diperlukan sebuah sistem penunjang keputusan
yang mampu mempercepat proses penilaian dan mampu memberikan hasil penilaian yang lebih
objektif. Sistem sendiri merupakan kumpulan elemen Sitinjak & Suwita, (2020) yang saling
berhubungan dan berinteraksi untuk mencapai suatu tujuan tertentu . Adapun sistem penunjang
keputusan merupakan alat/tools berupa perangkat lunak yang memberikan bantuan berupa
luaran Kusrini, (2007), di mana luaran tersebut dapat digunakan sebagai bahan pertimbangan
untuk membantu individu dalam mengambil keputusan, berdasarkan hasil penilaian terhadap
beberapa kriteria (Senen, Papuas, & Kamal, 2018). Sistem penunjang keputusan dapat
menghasilkan informasi yang diperlukan untuk membantu mencapai suatu tujuan dalam
pengambilan keputusan (Jurnal, 2018).
Ramadhanti (Ramadhanti, 2019) dan (Adi & Windarto, 2019) menjelaskan bahwa sistem
penunjang keputusan memiliki beberapa karakteristik yaitu:
1. Mendukung proses pengabilan keputusan dari suatu organisasi
2. Memberikan alternatif solusi untuk masalah yang terstruktur, semi terstuktur dan tidak
terstruktur
3. Bersifat fleksibel, adaptif, efektif, interaktif, antara pengguna dan sistem yang digunakan
4. Memiliki kemampuan untuk memperoleh informasi sesuai dengan kebutuhan
5. Memiliki dua komponen utama yaitu data dan analisa model keputusan sebagai pendukung
dalam penyedia informasi
Berdasarkan penelitian sebelumnya oleh Limbong Limbong & Limbong, (2018), sistem
penunjang keputusan dapat digunakan untuk penentuan penerima bantuan. Untuk
mengakomodasi kriteria yang banyak, metode yang dapat diimplementasikan adalah metode
Muhammad Rizki Nugraha
1986 Syntax Idea, Vol. 6, No. 05, Mei 2024
Simple Additive Weighting (SAW) sebagaimana pada penelitian Fitriani (Rianto, 2019).
Metode SAW dapat melakukan penilaian lebih cepat dan mampu mengakomodasi kriteria yang
banyak. Metode SAW juga melakukan pembobotan pada kriteria yang sudah ditentukan
(Kusrini, 2007). Selain metode SAW, metode lain yang dapat diterapkan pada sistem
pendukung keputusan adalah metode Elimination Et Choix Tradusaint La Realite (ELECTRE),
seperti yang ditunjukkan oleh studi (Oktapria, Astuti, & Wibowo, 2017). Namun, terapat
kelemahan pada metode yaitu hanya sedikit kriteria yang digunakan (Kalandy, 2019). Selain
itu, ada metode lain yaitu Technique for Order Preference by Similarity to Ideal Solution
(TOPSIS), yang digunakan oleh Ramadani, Ekojono, dan Santoso (Ramadani, Ekojono, &
Santoso, 2017). Namun, metode ini memiliki kekurangan, yaitu tidak ada penentuan
pembobotan untuk prioritas penghitungan. Di sisi lain, Edward (Edwards & Barron, 1994)
mengembangkan metode Simple Multi-Attribute Rating Technique (SMART) pada tahun 1977
untuk menganalisis pengambilan keputusan multi-kriteria. SMART juga mampu melakukan
perhitungan dengan berbagai kriteria. Andri dan Candra berpendapat bahwa metode SMART
memiliki keunggulan dalam pengambilan keputusan berdasarkan berbagai parameter. Setiap
alternatif memiliki nilai dan bobot berdasarkan prioritas kriteria (Prayoga et al., 2020). Metode
SMART juga dapat digunakan salah satunya adalah untuk pemilihan kelompok penerima
bantuan (Pratama & Nulhakim, 2019).
METODE PENELITIAN
Metode Pengembangan Perangkat Lunak
Metode pembuatan perangkat lunak untuk sistem penunjang keputusan yang digunakan
adalah model waterfall yang diadaptasi dari Royce (Angeles-Agdeppa et al., 2019) seperti pada
gambar 3 berikut.
Gambar 3
Metode Waterfall
1) Analisa kebutuhan perangkat lunak
Proses pengumpulan kebutuhan dilakukan secara intensif untuk menspesifikasikan
kebutuhan perangkat lunak agar dapat dipahami perangkat lunak seperti apa yang dbutuhkan
oleh pengguna.
2) Desain
Desain perangkat lunak adalah proses multi langkah yang fokus pada desain
pembuatan program perangkat lunak termasuk struktur data, arsitektur perangkat lunak,
sepresentasi antarmuka, dan prosedur pengkodean. Tahap ini mentranslasi kebutuhan
Implementasi Metode Simple Additive Weighting (SAW) dan Simple Multi-Attribute Rating
Technique (Smart) Untuk Penentuan Kelompok Penerima Bantuan Benih Ikan
Syntax Idea, Vol. 6, No. 05, Mei 2024 1987
perangkat lunak dari tahap analisa kebutuhan ke representasi desain agar dapat
diimplementasikan menjadi program pada tahap selanjutnya
3) Pembuatan kode program
Desain yang sudah dibuat di tahap sebelumnya ditranslasikan menjadi kode program
perangkat lunak
4) Pengujian
Pengujian fokus pada perangkat lunak secara dari segi logika dan fungsional dan
memastikan bahwa semua bagian sudah diuji.
Metode Simple Additive Weighting (SAW)
Konsep dasar metode SAW (Simple Additive Weighting) adalah mencari penjumlahan
terbobot dari rating kinerja pada setiap alternatif dan semua atribut. Metode SAW dapat
membantu dalam pengambilan keputusan suatu masalah dengan perhitungan yang
menghasilkan nilai terbesar sebagai alternatif yang terbaik (Senen et al., 2018).
Secara umum prosedur yang harus dilakukan dalam menggunakan metode SAW untuk
pemecahan suatu masalah adalah sebagai berikut (Sembiring, Fauzi, Khalifah, Khotimah, &
Rubiati, 2020) :
1. Menentukan kriteria untuk dijadikan acuan dalam pengambilan keputusan
2. Menentukan tingkat penerapan setiap alternatif menurut standar masing-masing
3. Membuat matriks keputusan dan melakukan normalisasi matriks sesuai dengan jenis
atribut cost/benefit sehingga menghasilkan nilai matriks yang ternormalisasi r
4. Hasil akhir dari proses sortasi dengan menghitung perkalian matriks r ternormalisasi
dan vektor bobot untuk memilih maksimum sebagai alternatif solusi terbaik
5. Dari hasil akhir normalisasi kemudian diurutkan dari nilai maksimum ke minimum
Langkah – langkah prosedur Metode SAW
Formula untuk melakukan normalisasi tersebut adalah :
Persamaan pada atribut benefit:
=
Persamaan pada atribut cost:
=
Di mana:
r
ij
= rating kerja ternormalisasi
Max X
ij
= nilai maksimum dari setiap baris dan kolom
Min X
ij
= nilai minimum dari setiap baris dan kolom
X
ij
= baris dan kolom dari matriks
Dengan rij adalah rating kinerja ternormalisasi dari alternatif Ai pada atribut Cj; i =
1,2,...m dan j = 1,2,...,n.
Nilai preferensi untuk setiap alternatif (Vi) diberikan sebagai:
Di mana:
Muhammad Rizki Nugraha
1988 Syntax Idea, Vol. 6, No. 05, Mei 2024
Vi = Nilai akhir dari alternatif
w
j
= Bobot yang telah ditentukan
r
ij
= Normalisasi matriks
Nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai lebih terpilih.
Metode SMART
Metode Simple Multi-Attribute Rating Technique (SMART) merupakan metode yang
dikembangkan oleh Edward (Edwards & Barron, 1994) yang digunakan untuk menganalisis
dan mengambil keputusan, di mana di dalamnya terdapat kriteria yang banyak. Metode ini
dikembangkan berdasarkan teori bahwa setiap alternatif terdiri atas sejumlah kriteria yang
memiliki nilai dan bobot, yang menggambarkan prioritas (Prayoga et al., 2020). Menurut Cholil
(Cholil, Pinem, & Vydia, 2018) Secara umum, metode SMART memiliki tahap-tahap berikut:
1. Menentukan alternatif dan kriteria yang akan digunakan dalam pengambilan
keputusan
2. Memberikan bobot pada setiap kriteria dalam skala 1-100, dengan total bobot 100
3. Melakukan normalisasi bobot kriteria dengan persamaan
Di mana:
: skor bobot kriteria
: total bobot semua kriteria
4. Memberikan skor kriteria untuk masing-masing alternatif
5. Menghitung nilai utilitas dengan mengubah skor kriteria untuk setiap kriteria menjadi
skor kriteria data standar. Untuk kategori cost, menggunakan persamaan:
Sedangkan untuk kategori benefit menggunakan persamaan berikut:
Di mana:
: skor utilitas kriteria ke-j dari alternatif ke-i
: skor kriteria ke-j
: skor kriteria maksimum
: skor kriteria minimum
6. Menghitung nilai akhir dengan menjumlahkan total hasil perkalian dari hasil
normalisasi bobot kriteria dengan persamaan:
Di mana:
: nilai akhir alternatif ke-i
: hasil normalisasi pembobotan kriteria
: hasil nilai dari utilitas
7. Perankingan
Implementasi Metode Simple Additive Weighting (SAW) dan Simple Multi-Attribute Rating
Technique (Smart) Untuk Penentuan Kelompok Penerima Bantuan Benih Ikan
Syntax Idea, Vol. 6, No. 05, Mei 2024 1989
HASIL DAN PEMBAHASAN
Penilaian Kriteria
Dalam penentuan pemberian bantuan benih ikan di BBI menggunakan metode SAW
terdapat beberapa kriteria yang digunakan untuk penilaian adalah: luas kolam, jumlah anggota,
SKU, kondisi kolam, usia kelompok dan domisili anggota. Dari masing-masing kriteria
mempunyai sub kriteria seperti tabel 1
Tabel 1. Bobot Kriteria
No
Kriteria
Kode
Atribut
Bobot
Bobot (100)
1
Luas Kolam (M2)
C1
Benefit
5
24
2
Jumlah Anggota
C2
Benefit
4
19
3
Surat Keterangan Usaha (SKU)
C3
Benefit
5
24
4
Kondisi Kolam
C4
Benefit
3
14
5
Usia Kelompok
C5
Cost
2
10
6
Domisili Anggota
C6
Benefit
2
10
Jumlah
21
100
Tabel 2. Kriteria Luas Kolam
Sub kriteria
Keterangan
Rating
< 500
Kurang
1
501 – 2000
Cukup
3
2001 - 5000
Baik
4
> 5001
Sangat Baik
5
Tabel 3. Kriteria Jumlah Anggota
Sub kriteria
Keterangan
Rating
1-5
Kurang
1
6-10
Cukup
3
11-20
Baik
5
Tabel 4. Surat Keterangan Usaha (SKU)
Sub kriteria
Keterangan
Rating
Tidak
Kurang
1
Ada
Baik
5
Tabel 5. Kondisi Kolam
Sub kriteria
Keterangan
Rating
Kolam Terpal
Kurang
1
Kolam Semen
Cukup
3
Kolam Tanah
Baik
5
Tabel 6. Usia Kelompok
Sub kriteria
Keterangan
Rating
>= 16 tahun
Kurang
1
Muhammad Rizki Nugraha
1990 Syntax Idea, Vol. 6, No. 05, Mei 2024
10 – 15 tahun
Cukup
3
1 – 9 tahun
Baik
5
Tabel 7. Domisili Anggota
Sub kriteria
Keterangan
Rating
Jauh dengan kolam
Kurang
1
Berbeda tempat tapi tidak jauh dengan kolam
Cukup
3
Dekat dengan kolam
Baik
5
Penilaian Alternatif
Pada tahap ini, diberikan penilaian untuk setiap alternatif sesuai dengan kondisi sesungguhnya
seperti yang diperlihatkan pada tabel 8. Selanjutnya, nilai pada setiap kriteria diubah menjadi
rating sesuai dengan subkriteria pada tabel 2-7. Rating kriteria diperlihatkan pada tabel 9.
Tabel 8. Penilaian Alternatif
No
Alternatif
Luas
Kolam
(C1)
Jumlah
Anggota
(C2)
SKU
(C3)
Kondisi
Kolam
(C4)
Usia
Kelompok
(C5)
Domisili
(C6)
1
A1
1400
12
Ada
Kolam
tanah
1 tahun
Dekat dengan
kolam
2
A2
838
10
Ada
Kolam
semen
2 tahun
Dekat dengan
kolam
3
A3
1750
15
Ada
Kolam
tanah
11 tahun
Berbeda
tempat tapi
tidak jauh
dengan
kolam
4
A4
7270
10
Ada
Kolam
terpal
1 tahun
Dekat dengan
kolam
5
A5
2105
10
Ada
Kolam
terpal
1 tahun
Jauh dengan
kolam
6
A6
536
7
Tidak
Kolam
semen
2 tahun
Dekat dengan
kolam
7
A7
2100
9
Ada
Kolam
semen
15 tahun
Berbeda
tempat tapi
tidak jauh
dengan
kolam
8
A8
2112
10
Ada
Kolam
tanah
5 tahun
Dekat dengan
kolam
9
A9
404
10
Ada
Kolam
tanah
3 tahun
Berbeda
tempat tapi
tidak jauh
dengan
kolam
10
A10
12000
11
Tidak
Kolam
semen
10 tahun
Jauh dengan
kolam
Implementasi Metode Simple Additive Weighting (SAW) dan Simple Multi-Attribute Rating
Technique (Smart) Untuk Penentuan Kelompok Penerima Bantuan Benih Ikan
Syntax Idea, Vol. 6, No. 05, Mei 2024 1991
Tabel 9. Rating Kecocokan
Alternatif
C1
C2
C3
C4
C5
C6
A1
3
5
5
5
5
5
A2
3
3
5
3
5
5
A3
3
5
5
5
3
3
A4
5
3
5
1
5
5
A5
4
3
5
1
5
1
A6
3
3
1
3
5
5
A7
4
3
5
3
3
3
A8
4
3
5
5
5
5
A9
1
3
5
5
5
3
A10
5
5
1
3
3
1
Setelah didapatkan rating kecocokan, pada tahap selanjutnya data diproses baik dengan metode
SAW dan metode SMART.
Pemrosesan dengan metode SAW
Rating kecocokan pada tabel 9 kemudian dibuat menjadi matriks keputusan X sebagai
berikut.
Langkah selanjutnya melakukan normalisasi pada matriks X untuk menghitung nilai
masing-masing kriteria berdasarkan yang disebut sebagai kriteria keuntungan (benefit) atau
biaya (cost). Hasil dari rating kinerja ternormalisasi (
) membentuk matriks ternormalisasi (R).
Setelah melakukan normalisasi pada matriks, tahap selanjutnya adalah melakukan proses
perangkingan dengan cara mengalihkan matriks ternormalisasi (R) dengan nilai bobot
preferensi (W) dan menentukan nilai preferensi untuk setiap alternative dengan cara
menjumlakan hasil kali antara matriks ternormalisasi dengan nilai bobot preferensi (W). Untuk
Muhammad Rizki Nugraha
1992 Syntax Idea, Vol. 6, No. 05, Mei 2024
nilai bobot preferensi oleh pengambil keputusan untuk masing-masing kriteria yang sudah di
tentukan yaitu:
W = [5 4 5 3 2 2]
Sehingga nilai yang diperoleh dari setiap alternatif adalah sebagai berikut:
V1 = (5)(0,6)+(4)(1)+(5)(1)+(3)(1)+(2)(1,67)+(2)(1) = 20,33
V2 = (5)(0,6)+(4)(0,6)+(5)(1)+(3)(0,6)+(2)(1,67)+(2)(1) =17,53
V3 = (5)(0,6)+(4)(1)+(5)(1)+(3)(1)+(2)(1)+(2)(0,6) = 18,20
V4 = (5)(1)+(4)(0,6)+(5)(1)+(3)(0,2)+(2)(1,67)+(2)(1) = 18,33
V5 = (5)(0,8)+(4)(0,6)+(5)(1)+(3)(0,2)+(2)(1,67)+(2)(0,2) = 15,73
V6 = (5)(0,6)+(4)(0,6)+(5)(0,2)+(3)(0,6)+(2)(1,67)+(2)(1) = 13,53
V7 = (5)(0,8)+(4)(0,6)+(5)(1)+(3)(0,6)+(2)(1)+(2)(0,6) = 16,40
V8 = (5)(0,8)+(4)(0,6)+(5)(1)+(3)(1)+(2)(1,67)+(2)(1) = 19,73
V9 = (5)(0,2)+(4)(0,6)+(5)(1)+(3)(1)+(2)(1,67)+(2)(0,6) = 15.93
V10 = (5)(1)+(4)(1)+(5)( 0,2)+(3)(0,6)+(2)(1)+(2)(0,2) = 14,20
Berdasarkan perhitungan tersebut didapat hasil perangkingan yang diperlihatkan pada
tabel 10
Tabel 10. Perangkingan
Alternatif
Hasil
Perangkingan
A1
20,33
1
A2
17,53
5
A3
18,20
4
A4
18,33
3
A5
15,73
8
A6
13,53
10
A7
16,40
6
A8
19,73
2
A9
15,93
7
A10
14,20
9
Berdasarkan hasil perangkingan tersebut, maka nilai alternatif tertinggi untuk pemilihan
Kelompok Penerima Bantuan Benih Ikan di BBI Sukamaju adalah alternatif A1.
Pemrosesan dengan metode SMART
Tahap pertama pada metode SMART adalah normalisasi bobot yang diperlihatkan pada
tabel 11 sebagai berikut.
Tabel 11. Normalisasi Bobot Metode SMART
Kriteria
Bobot
Normalisasi Bobot
C1
24
0,24
C2
19
0,19
C3
24
0,24
C4
14
0,14
C5
10
0,10
C6
10
0,10
Implementasi Metode Simple Additive Weighting (SAW) dan Simple Multi-Attribute Rating
Technique (Smart) Untuk Penentuan Kelompok Penerima Bantuan Benih Ikan
Syntax Idea, Vol. 6, No. 05, Mei 2024 1993
Tahap selanjutnya adalah penilaian alternatif dan penentuan rating kecocokan. Adapun
penilaian alternatif sudah dilakukan dan ditunjukkan pada tabel 8, sedangkan penentuan rating
kecocokan ditunjukkan pada tabel 9. Setelah itu, dilakukan penghitungan nilai utility dengan
hasil sebagaimana pada tabel 12 berikut.
Tabel 12. Nilai Utility
Alternatif
C1
C2
C3
C4
C5
C6
A1
50
100
100
80
0
100
A2
50
0
100
40
0
100
A3
50
100
100
80
100
50
A4
100
0
100
0
0
100
A5
75
0
100
0
0
0
A6
50
0
0
40
0
100
A7
75
0
100
40
100
50
A8
75
0
100
80
0
100
A9
0
0
100
80
0
50
A10
100
100
0
40
100
0
Setelah melakukan penghitungan nilai utility, dilakukan penghitungan nilai akhir dan
perangkingan yang ditunjukkan pada tabel 13 sebagai berikut.
Tabel 13. Nilai Akhir
Alternatif
C1
C2
C3
C4
C5
C6
Jumlah
Ranking
A1
11,90
19,05
23,81
11,43
0,00
9,52
75,71
2
A2
11,90
0,00
23,81
5,71
0,00
9,52
50,95
7
A3
11,90
19,05
23,81
11,43
9,52
4,76
80,48
1
A4
23,81
0,00
23,81
0,00
0,00
9,52
57,14
6
A5
17,86
0,00
23,81
0,00
0,00
0,00
41,67
8
A6
11,90
0,00
0,00
5,71
0,00
9,52
27,14
10
A7
17,86
0,00
23,81
5,71
9,52
4,76
61,67
4
A8
17,86
0,00
23,81
11,43
0,00
9,52
62,62
3
A9
0,00
0,00
23,81
11,43
0,00
4,76
40,00
9
A10
23,81
19,05
0,00
5,71
9,52
0,00
58,10
5
Berdasarkan tabel 13, alternatif yang mendapatkan nilai tertinggi sehingga berhak
mendapatkan bantuan benih ikan adalah alternatif 3 (A3).
Antarmuka Sistem
Muhammad Rizki Nugraha
1994 Syntax Idea, Vol. 6, No. 05, Mei 2024
Gambar 5
Input Data
Gambar 5
Seluruh Data Pokdakan
Gambar 6
Perangkingan.
KESIMPULAN
Berdasarkan implementasi dan hasil pengujian yang telah dilakukan dapat disimpulkan
bahwa ada perbedaan hasil akhir/rekomendasi yang diberikan berdasarkan metode SAW dan
metode SMART. Penerima bantuan berdasarkan metode SAW adalah alternatif 1 (A1),
Implementasi Metode Simple Additive Weighting (SAW) dan Simple Multi-Attribute Rating
Technique (Smart) Untuk Penentuan Kelompok Penerima Bantuan Benih Ikan
Syntax Idea, Vol. 6, No. 05, Mei 2024 1995
sedangkan menurut metode SMART adalah alternatif 3 (A3). Hasil tersebut berbeda karena
pada metode SAW dilakukan normalisasi skor sebelum dikalikan dengan bobot, sedangkan
pada SMART skor langsung diberikan pada kriteria tanpa normalisasi. Meski demikian, ketua
metode memiliki unsur subjektivitas pada penilaian skor dan penentuan bobot. Meski demikian,
sistem berjalan dengan baik sesuai fungsinya serta dapat membantu pihak BBI dalam dalam
pemberian bantuan beni ikan tanpa menghitung secara manual. Pemilihan Kelompok Penerima
Bantuan Benih Ikan mampu memberikan informasi yang lebih objektif dengan cepat dan efisien
serta lebih terorganisir.
BIBLIOGRAPHY
adi, Jerry Prabu Setya, & Windarto, Windarto. (2019). Pendukung Keputusan Pemilihan Siswa
Terbaik Pada Sma Cenderawasih 2 Dengan Menggunakan Metode Simple Additive
Weighting Berbasis Web. Sebatik, 23(2), 534–540.
Amanda, Windy Amanda, Wulandari, Wina Wulandari, Nadira, Nadira, Ilyas, Imran Ilyas, &
Risnawati, Risnawati. (2023). Implementasi Strategi Sumber Daya Manusia Pada Dinas
Pertanian, Pangan Dan Perikanan Kota Tanjungpinang. Seminalu, 1(1), 581–588.
Angeles-Agdeppa, Imelda, Sun, Ye, Denney, Liya, Tanda, Keith V, Octavio, Royce Ann D.,
Carriquiry, Alicia, & Capanzana, Mario V. (2019). Food Sources, Energy And Nutrient
Intakes Of Adults: 2013 Philippines National Nutrition Survey. Nutrition Journal, 18, 1–
12.
Cholil, Saifur Rohman, Pinem, Agusta Praba Ristadi, & Vydia, Vensy. (2018). Implementasi
Metode Simple Multi Attribute Rating Technique Untuk Penentuan Prioritas Rehabilitasi
Dan Rekonstruksi Pascabencana Alam. Register, 4(1), 1–6.
Jurnal, Redaksi Tim. (2018). Sistem Pengambilan Keputusan Dalam Pemilihan Jurusan
Menggunakan Metode Eksponensial (Mpe) Di Perguruan Tinggi Negeri Dan Swasta Di
Jawa Barat: Andri Sahata Sitanggang.
Kusrini, M. (2007). Kom. Konsep Dan Aplikasi Sistem Pendukung Keputusan. Penerbit Andi,
Yogyakarta, Ed, 1.
Limbong, Tonni, & Limbong, Riswan. (2018). Implementasi Metode Simple Additive
Weighting Dalam Pemilihan Bibit Untuk Budidaya Ikan Mas. Jtik (Jurnal Teknik
Informatika Kaputama), 2(1), 115–122.
Oktapria, Yoshi Lotussan, Astuti, Ely Setyo, & Wibowo, Dimas Wahyu. (2017). Sistem
Pendukung Keputusan Tumbuh Kembang Anak Usia Dini Menggunakan Metode Electre.
Seminar Informatika Aplikatif Polinema.
Prastiyani, Lien Meilya Muriasti, & Nuryanto, Nuryanto. (2019). Hubungan Antara Asupan
Protein Dan Kadar Protein Air Susu Ibu. Journal Of Nutrition College, 8(4), 246–253.
Pratama, Riqie, & Nulhakim, Lukman. (2019). Sistem Pendukung Keputusan Pemilihan
Kelompok Penerima Bantuan Budidaya Ikan Dengan Metode Smart.
Ramadani, Sandi Fajri, Ekojono, Ekojono, & Santoso, Nurudi. (2017). Sistem Pendukung
Keputusan Seleksi Siswa Kelas Ungulan Di Smp Negeri 7 Malang. Jurnal Informatika
Polinema, 3(3), 27–31.
Ramadhanti, Amelia Budi. (2019). Sistem Pendukung Keputusan Pemilihan Sekolah
Menengah Kejuruan Negeri Di Balikpapan Menggunakan Analisis Hirarki Proses. J-Sim:
Jurnal Sistem Informasi, 2(2), 61–67.
Rianto, Bayu. (2019). Sistem Pendukung Keputusan Pemberian Bantuan Hibah Kepada
Kelompok Nelayan Oleh Dinas Kelautan Dan Perikanan. Jurnal Perangkat Lunak, 1(1),
1–10.
Muhammad Rizki Nugraha
1996 Syntax Idea, Vol. 6, No. 05, Mei 2024
Sembiring, Falentino, Fauzi, Mohamad Tegar, Khalifah, Siti, Khotimah, Ana Khusnul, &
Rubiati, Yayatillah. (2020). Sistem Pendukung Keputusan Penerima Bantuan Covid 19
Menggunakan Metode Simple Additive Weighting (Saw)(Studi Kasus: Desa
Sundawenang). Explore: Jurnal Sistem Informasi Dan Telematika (Telekomunikasi,
Multimedia Dan Informatika), 11(2), 97–101.
Senen, Oxila Afriani, Papuas, Alfrianus, & Kamal, Abraham. (2018). Sistem Pendukung
Keputusan Kelayakan Lokasi Budidaya Ikan Kuwe Di Kabupaten Kepulauan Sangihe
Menggunakan Metode Simple Additive Weighting. Jurnal Ilmiah Behongang, 1(1), 11–
15.
Sitinjak, Daniel Dido Jantce T. J., & Suwita, Jaka. (2020). Analisa Dan Perancangan Sistem
Informasi Administrasi Kursus Bahasa Inggris Pada Intensive English Course Di Ciledug
Tangerang. Insan Pembangunan Sistem Informasi Dan Komputer (Ipsikom), 8(1).
Copyright holder:
Muhammad Rizki Nugraha (2024)
First publication right:
Syntax Idea
This article is licensed under:
