1

SISTEM PENDUKUNG KEPUTUSAN PENEMPATAN LOKASI INDUSTRI BERBASIS DATA PENGANGGURAN BPS MENGGUNAKAN SIMPLE ADDITIVE WEIGHTING

Kurniawati 1) Dr. Ir. Mokhamad Amin Hariyadi, M.T 2)

1) Jurusan Teknik Informatika UIN Maulana Malik Ibrahim Malang e-mail: nia08kurnia@gmail.com1)

adyt2002@uin-malang.ac.id2)

2) Jurusan Teknik Informatika UIN Maulana Malik Ibrahim Malang

Abstrak – Unemployed or jobless is a term for people who

do not work at all, are looking for work, working less than

two days during the week, or someone trying to get a decent

job. Unemployment is generally due to the workforce or job

seekers are not proportional to the number of existing jobs.

In addressing unemployment in Indonesia researcher make a

placement decision support systems Industrial locations with

data obtained from the Central Statistics Agency (BPS). The

data obtained is the unemployment data, the total population,

the data of Natural Resources and the average cost of capital.

The initial step of making these systems is data the number

of unemployed and the number of people in the process with

Simple Moving Average. The data in the process to predict

the number of unemployed and the number of people for next

year. After the prediction data and other data is processed

mengguanakan Simple Additive weighting for the placement

decision support systems Industrial locations. In this system

successfully implemented the Simple Additive weighting

method for the placement decision support systems Industrial

locations in each province. Classifying system placement

industrial locations in 34 provinces in Indonesia. The result

of applying Simple Additive weighting gain accuracy rate of

88.23% in 2016 and 2015 amounted to 85.29% accuracy rate

compared with the estimation of the location equation by

BPS East Java industry.

Kata Kunci: Decision Support System, Unemployed,

Industrial, BPS, Simple Moving Average, Simple Additive

Weighting,ROC

1. PENDAHULUAN

Pengangguran atau tuna karya adalah istilah untuk orang

yang tidak bekerja sama sekali, sedang mencari kerja, bekerja

kurang dari dua hari selama seminggu, atau seseorang yang

sedang berusaha mendapatkan pekerjaan yang layak.

Pengangguran umumnya disebabkan karena jumlah angkatan

kerja atau para pencari kerja tidak sebanding dengan jumlah

lapangan kerja yang ada.

Pengangguran seringkali menjadi masalah dalam

perekonomian karena dengan adanya pengangguran,

produktivitas dan pendapatan masyarakatakan berkurang

sehingga dapat menyebabkan timbulnya kemiskinan dan

masalah- masalah sosial lainnya. Jika masalah pengangguran

tidak di atas dengan baik, maka tingkat pengangguran akan

semakin meningkat tiap tahunnya. Badan Pusat Statistik

(BPS) mencatat, dalam kurun waktu satu tahun, tingkat

pengangguran di Indonesia mengalami penambahan

sebanyak 300 ribu jiwa. Bahkan, dalam Februari 2015 saja

sudah mengalami peningkatan dibandingkan dengan Agustus

2014, sebanyak 210 ribu jiwa. Sementara, jika dibandingkan

dengan Februari tahun lalu bertambah 300 ribu jiwa. BPS

juga mencatat, ada 7,4 juta pengangguran terbuka per

Februari2015.

Adanya untuk mengatasi masalah pengangguran di

Indonesia dalam penelitian ini, peneliti akan memberikan

sebuah analisa sistem pendukung keputusan penempatan

lokasi Industri untuk menanggulangi tingginya

pengangguran di Indonesia. Dengan adanya informasi

tersebut masyarakat akan mengetahui presentase

pengangguran di daerah Indonesia dan juga pemerintah juga

diharapkan akan lebih mudah dalam menangani masalah

pengangguran diIndonesia untuk menempatkan lokasi

industri yang tepat dengan menggunakan aplikasi tersebut.

2. KAJIAN PUSTAKA

2.1. Sistem Pendukung Keputusan

Sistem Pendukung Keputusan (SPK) atau Decision

Support System (DSS) adalah sebuah sistem yang mampu

memberikan kemampuan pemecahan masalah maupun

kemampuan pengkomunikasian untuk masalah dengan

kondisi semi terstruktur dan tak terstruktur. Sistem ini

digunakan untuk membantu pengambilan keputusan dalam

situasi semi terstruktur dan situasi yang tidak terstruktur,

dimana tak seorangpun tahu secara pasti bagaimana

keputusan seharusnya dibuat (Turban, 2001). SPK bertujuan

untuk menyediakan informasi, membimbing, memberikan

prediksi serta mengarahkan kepada pengguna informasi agar

dapat melakukan pengambilan keputusan dengan lebih baik.

SPK merupakan implementasi teori-teori pengambilan

keputusan yang telah diperkenalkan oleh ilmu-ilmu seperti

operation research dan menegement science, hanya bedanya

adalah bahwa jika dahulu untuk mencari penyelesaian

masalah yang dihadapi harus dilakukan perhitungan iterasi

secara manual (biasanya untuk mencari nilai minimum,

maksimum, atau optimum), saat ini computer PC telah

menawarkan kemampuannya untuk menyelesaikan

persoalan yang sama dalam waktu relatif singkat.

2

2.2. Simple Moving Maving Average

Metode SMA adalah suatu metode peramalan yang

dilakukan dengan mengambil sekelompok nilai

pengamatan, mencari rata-rata tersebut sebagai ramalan

untuk periode yang akan datang. Dengan rumus sebagai

berikut [1]:

Ft+1= (Yt+ Yt+1+ Yt+2+........+ Yt+n+1)/n

Dimana:

Ft+1 = Nilai ramalan untuk periode berikutnya

Yt = Nilai aktual pada periode t

n = Jumlah batas dari rata-rata bergerak

2.3 Simple Additive Weighting

Sistem Pendukung Keputusan telah banyak digunakan

dalam berbagai penelitian. Metode yang digunakan dalam

pembuatan Sistem Pendukung Keputusan juga bermacam-

macam. Salah satu metode yang banyak digunakan dalam

penelitian adalah Metode Simple Additive Weighting (SAW).

Untuk Nilai preferensi untuk setiap alternatif (Vi) diberikan

sebagai :

Keterangan :

Vi = ranking untuk setiap alternatif

wj = nilai bobot dari setiap kriteria

rij = nilai rating kinerja ternormalisasi

Nilai Vᵢ yang lebih besar mengindikasikan bahwa alternatif

Aᵢ merupakan alternatif terbaik.

2.4 Pengangguran

Menurut Badan Pusat Statistik (BPS) Pengangguran adalah

istilah untuk orang yang tidak bekerja sama sekali, sedang

mencari kerja, bekerja kurang dari dua hari selama seminggu,

atau seseorang yang sedang berusaha mendapatkan

pekerjaan. Data pengangguran dikumpulkan BPS melalui

survey rumah tangga, seperti Survei Angkatan Kerja

Nasional (Sakernas), Sensus Penduduk (SP), Survei

Penduduk Antar Sensus (SUPAS), dan Survei Sosial

Ekonomi Nasional (Susenas). Di antara sensus/survei

tersebut Sakernas merupakan survei yang khusus dirancang

untuk mengumpulkan data ketenagakerjaan secara periodik.

Saat ini Sakernas diselenggarakan dua kali setahun yaitu

pada bulan Februari dan Agustus. Tiap negara dapat

memberikan definisi yang berbeda mengenai definisi

pengangguran. Nanga (2005:249) mendifinisikan

pengangguran adalah suatu keadaan dimana seseorang yang

tergolong dalam kategori angkatan kerja tidak memiliki

pekerjaan dan secra aktif tidak sedang mencari pekerjaan.

Dalam sensus 2001 mendifinisikan pengangguran sebagai

orang yang tidak bekerja samasekali atau bekerja kurang dari

dua hari selama seminggu sebelum pencacahan dan berusaha

memperoleh pekerjaan BPS, 2001).

2.5 Industri

Menurut Badan Pusat Statistik (BPS,2013) Industri

Pengolahan adalah suatu kegiatan ekonomi yang melakukan

kegiatan mengubah suatu barang dasar secara mekanis,

kimia, atau dengan tangan sehingga menjadi barang

jadi/setengah jadi, dan atau barang yang kurang nilainya

menjadi barang yang lebih tinggi nilainya, dan sifatnya lebih

dekatkepada pemakai akhir. Termasuk dalam kegiatan ini

adalah jasa industri/makloon dan pekerjaan perakitan

(assembling). Jasa industri adalah kegiatan industri yang

melayani keperluan pihak lain. Pada kegiatan ini bahan baku

disediakan oleh pihak lain sedangkan pihak pengolah hanya

melakukan pengolahannya dengan mendapat imbalan

sejumlah uang atau barang sebagai balas jasa (upah

makloon), misalnya perusahaan penggilingan padi yang

melakukan kegiatan menggiling padi/gabah petani dengan

balas jasa tertentu. Perusahaan Industri Pengolahan dibagi

dalam 4 golongan yaitu :

1. Industri Besar (banyaknya tenaga kerja 100 orang

atau lebih)

2. Industri Sedang (banyaknya tenaga kerja 20-99

orang)

3. Industri Kecil (banyaknya tenaga kerja 5-19 orang)

4. Industri Rumah Tangga (banyaknya tenaga kerja 1-

4 orang)

Penggolongan perusahaan industri pengolahan ini

semata-mata hanya didasarkan kepada banyaknya tenaga

kerja yang bekerja, tanpa memperhatikan apakah perusahaan

itu menggunakan mesin tenaga atau tidak, serta tanpa

memperhatikan besarnya modal perusahaan itu.

2.6 Receiver Operating Characteristic

Receiver Operating Characteristic ( ROC ) kurva adalah cara

yang berguna untuk menafsirkan sensitivitas dan spesifisitas

tingkat dan untuk menentukan nilai cut terkait . Kurva ROC

adalah generalisasi dari himpunan kombinasi potensial

sensitivitas dan spesifisitas mungkin bagi prediktor

(Leisenring , & Newcomb , 2004) . Kurva ROC analisis tidak

hanya memberikan informasi tentang nilai cut , tetapi juga

menyediakan skala umum alami untuk membandingkan

prediktor yang berbeda yang diukur dalam unit yang berbeda

, sedangkan rasio odds dalam analisis regresi logistik harus

ditafsirkan sesuai dengan peningkatan unit dalam nilai

prediktor , yang dapat membuat perbandingan antara

prediktor sulit ( Pepe , et al . , 2004) .

3

Gambar 2. 1 Receiver Operating Characteristic

2.7 Penelitian Terkait

1. (Nugraha, 2012) “Sistem Pendukung Keputusan Evaluasi

Pemilihan Pemenang Pengadaan Aset dengan Metode

Simple Additive Weighting”. Dalam penelitiannya

menjelaskan metode tersebut untuk membangun sebuah

sistem pendukung keputusan yang berfungsi sebagai alat

bantu bagi institusi perguruan tinggi dalam pengambilan

keputusan pada proses manajemen aset. Metode Simple

Additive Weighting untuk mengevaluasi alternative dalam

pengadaan aset berdasarkan kriteria-kriteria pengambilan

keputusan.

2. (D. Sameer Kumar et al, 2013) menggunakan metode

Simple Additive Weighting (SAW) dalam membangun Sistem

Pendukung Keputusan. Dalam penelitian ini selain

menggunakan metode Simple Additive Weighting (SAW),

peneliti juga menggunakan metode yang lainnya seperti

metode MADM, AHP, dan TOPSIS. Kasus yang dikerjakan

untuk Sistem Pendukung Keputusan adalah seleksi Personil

atau karyawan yang tepat untuk suatu lembaga akademik.

Tujuan utama dari penelitian ini adalah untuk

mengidentifikasi staf pengajar yang tepat dan untuk

mengevaluasi yang terbaik didasarkan pada pengukuran

kinerja yang tepat.

3. (Abbas Irfan, 2016) Simple Moving Average merupakan

salah satu jenis metode untuk menilai pada masa lalu untuk

digunakan sebagai acuan dalam melakukan prediksi pada

masa depan. Metode Simple Moving Average menggunakan

pembobotan yang sama untuk setiap data. Penelitian ini

diguanakan untuk melihat pergerakan pada trading forex.

Tujuannya untuk membandngkan pola kurva online trading

forex.

3. METODE PENELITIAN

3.1 Analisis sistem

Analisis sistem ini berisikan keperluan untuk melanjutkan

pada perancangan pada sistem yang akan dilakukan

sebagaimana penjelasan berkikut ini.

3.2 Sumber Data

Sumber data yang dipakai pada penelitian ini terdapat dua

macam yaitu data primer dan data sekunder.

1. Data primer yang digunakan adalah wawancara ke

kantor BPS Jawa Timur, pengambilan data

pengangguran, sumber daya alam, jumlah

penduduk, dan modal biaya usaha yang diperoleh

dari www.bps.go.id dan BPS Jawa Timur

2. Data sekunder yang digunakan adalah literatur-

literatur terkait sistem pendukung keputusan

menggunakan metode Simple Additive Weighting

dan untuk prediksi menggunakan Simple Moving

Average.

3.3 Lokasi Penelitian

Lokasi penelitian dilakukan di Jawa Timur dengan data

yang diperoleh melalui BPS Pusat yang bertempat di

Surabaya.

3.4 Desain Sistem

Pada bagian ini dilakukan system pendukung keputusan

penempatan lokasi industri amempunyai desain system

sebagai berikut :

Gambar 3.1 Desain Sistem

3.5 ERD

Berikut adalah Entity Relationship Diagram Physical

(ERD Physical) pada sistem informasi perencanaan produksi

yang digambarkan pada Gambar 3.1

4

Gambar 3.2 ERD

4. HASIL

4.1 Alat Penelitian

Pada penelitian ini, penulis menggunakan

alat penelitian sebagai berikut:

Kebutuhan Perangkat Keras

- Processor : Intel(R) Core(TM) i3-2350M CPU

@2.30GHz

- Memory : 6GB of RAM

- Hardisk : 500GB

Lunak

- Windows 10

- Sublime Text 2

- Xampp v3.2.1

- Microsoft Word 2013

- Microsoft Excel 2010

- Mozilla

4.2 Struktur program

Berikut struktur program Sistem Pendukung Keputusan

Penempatan Lokasi Industri Berbasis Data Pengangguran

BPS menggunakan Simple Additive Weighting. proses untuk

mengolah berita yang akan ditampilkan di halaman beranda

utama, serta dapat mengolah data pengguna.

Gambar 4.1 Struktur Program

4.3 Implementasi Antar muka

Dalam implementasi antarmuka, menerangkan kegunaan

form-form yang ada di Sistem Pendukung Keputusan

Penempatan Lokasi Industri Berbasis Data Pengangguran

BPS menggunakan Simple Moving Average.

a. Beranda

b. Prediksi Grafik

c. Detail Data Provinis

5

d. Data Kriteria

e. Data Provinsi

f. Perhitungan SMA

g. Perhtungan SAW Matriks awaql

h. Normalisasi

i. Perangkingan

Laporan yang dihasilkan seperti berikut dengan metode

Simple Additive Weighting dengan data uji coba :

ID Provinsi Nama

Provi

nsi

Jumlah

SDA

(C1)

Biaya

Modal

Usaha

(C2)

Jumlah

Pendud

uk (C3)

Jumlah

Pengan

gguran

(C4)

12650001 Aceh 211 998.00

0.000

214779

3

9.62

12650002 Sumat

era

Utara

189 328.50

0.000

643936

1

8.40

12650003 Sumat

era

Barat

101 698.00

0.000

236797

1

8.56

Maka selanjutnya adalah membuat matriks keputusan X

sebagai berikut.

Matriks X= 1 0.50 0.75 0.25

0.75 0.75 1 0.25

0.75 0.50 0.75 0.25

Setelah itu dilakukan normalisasi matriks X dengan rumus

melakukan normalisasi tersebut adalah :

6

𝑟𝑖𝑗 =𝑥𝑖𝑗

𝑚𝑎𝑥𝑖𝑗 𝑑𝑎𝑛

𝑚𝑖𝑛𝑥𝑖𝑗

𝑥𝑖𝑗

Jika j adalah atribut keuntungan (benefit)

Jika j adalah atribut biaya (cost)

Dimana:

rij = rating kinerja ternormalisasi

maxij = nilai maksimum dari setiap baris dan kolom

minij = nilai minimum dan setiap baris dan kolom

xij = baris dan kolom dari matriks rij adalah rating kinerja

ternormalisasi dari matriks keputusan sebelumnya (Meriano,

2013).

Dalam perhitungan tersebut telah didapat data SDA dan

jumlah Penduduk termasuk kategori Benefit sedangkan data

Biaya modal usaha dan data pengangguran termasuk kategori

Cost (BPS, 2015).

Perhitungan normalisasi sebagai berikut :

R11 = 1

𝑀𝑎𝑥 {1;0.75;0.75} = 1

R21 = 0.75

𝑀𝑎𝑥 {1;0.75;0.75} = 0.75

R31 = 0.75

𝑀𝑎𝑥 {1;0.75;0.75} = 0.75

R12 = 𝑀𝑖𝑛 {0.50;0.75;0.50}

0.50 = 1

R22 = 𝑀𝑖𝑛 {0.50;0.75;0.50}

0.75 = 0.6

R32 = 𝑀𝑖𝑛 {0.50;0.75;0.50}

0.50 = 1

R13 = 0.75

𝑀𝑎𝑥 {0.75;1;0.75} = 0.75

R23 = 1

𝑀𝑎𝑥 {0.75;1;0.75} = 1

R33 = 0.75

𝑀𝑎𝑥 {0.75;1;0.75} = 0.75

R14 = 𝑀𝑖𝑛 {0.25;0.25;0.25}

0.25 = 1

R24 = 𝑀𝑖𝑛 {0.25;0.25;0.25}

0.25 = 1

R34 = 𝑀𝑖𝑛 {0.25;0.25;0.25}

0.25 = 1

Dari perhitungan di atas maka diperoleh matriks normalisasi

sebagai berikut.

Normalisasi Matriks X = 1 1 0.75 1

0.75 0.6 1 1

0.75 1 0.75 1

Kemudian setelah diperoleh matriks normalisasi dilakukan

proses perankingan menggunakan bobot preferensi yang

akan dikalikan dengan hasil normalisasi. Berikut tabel bobot

prefensi dari kriteria tersebut(BPS,2015).

Tabel 3. 1 Bobot Prefensi

Keterangan Bobot Prefensi

Sumber Daya Alam 0.25

Biaya Modal Usaha 0.25

Jumlah Penduduk 0.25

Jumlah Pengangguran 0.25

A1 = (1)(0.25)+(1)(0.25)+(0.75)(0.25)+(1)(0.25)

=0.9325

A2 = (0.75)(0.25)+(0.6)(0.25)+(1)(0.25)+(1)(0.25)

= 0.8325

A3 = (0.75)(0.25)+(1)(0.25)+(0.75)(0.25)+(1)(0.25)

= 1

Hasil perhitungan perangkingan tersebut akan ditentukan

altenative sebagaimana nilai alternative pada tabel 3.23

meliputi dari Industri Besar, Industri Sedang dan Industri

Kecil (BPS, 2015)

Tabel 3. 2 Nilai Altenative

Nama Alternative Nilai

Industri Besar > 0.6- 1

Industri Sedang > 0.3 – 0.6

Industri Kecil 0 – 0.3

Dari perankingan di atas maka dapat disimpulkan bahwa

alternative kelas industri besar adalah provinsi A2, A1 dan

A3 yang ditampilkan pada tabel 3.24.

Tabel 3. 3 Nilai Alternative tiap provinsi

No Nama Provinsi Total Nilai

1 A1 0.9325

2 A2 0.8325

3 A3 1

7

5. KESIMPULAN DAN SARAN

5.1 Kesimpulan

Pada sistem ini berhasil menerapkan metode Simple

Additive Weighting untuk sistem pendukung keputusan

penempatan lokasi Industri pada tiap provinsi. Sistem

mengklasifikasi penempatan lokasi industri di 34 provinsi di

Indonesia. Hasil dari penerapan Simple Additive Weighting

mendapatkan tingkat akurasi sebesar 88,23% pada tahun

2016 dan tahun 2015 tingkat akurasi sebesar 85,29%

dibandingkan dengan perhitungan nilai persamaan lokasi

industri oleh BPS Jawa Timur.

5.2 Saran

Berdasarkan penelitian yang telah dilakukan terdapat

beberapa kekurangan. Oleh karena itu diharapkan adanya

penelitian lebih lanjut yang meliputi:

Penelitian selanjutnya diharapkan dapat menempatkan

lokasi industri secara real time.

Penelitian selanjutnya diharapkan dapat ditambah dengan

detail daerah lokasi industri pada masing-masing provinsi,

sehingga user dapat mengetahui titik lokasi industri yang

tepat pada tiap daerahnya.

DAFTAR PUSTAKA

[1] P. K. Sahu and R. Kumar, "The Evaluation of

Forecasting Methods for Sales of Sterilized Flavoured

Milk in Chhattisgarh. International Journal of

Engineering Trends and Technology," IJETT, p. Vol 8

No 2, 2014.

[2] Afshari, Alireza, et al. 2010. Simple Additive

Weighting Approach To Personnel Selection Problem.

International Journal of Innovation, Management and

Technology, Volume 1, No. 5, ISSN: 2010-0248.

[3] Deni, Widayanti, et al. 2013. Analysis and

Implementation Fuzzy Multi-Attribute Decision

Making SAW Method for Selection of High Achieving

Students in Faculty Level. IJCSI International Journal

of Computer Science Issues, Vol. 10, Issue 1, No 2,

ISSN (Print): 1694-0784 ISSN (Online): 1694-0814

[4] Kumar, D. Sameer, et al. 2013. MADM Methods for

Finding The Right Personnel in Academic Institutions.

International Journal of u- and e- Service, Science and

Technology Vol.6, No.5 (2013), pp.133-144