SISTEM PENDUKUNG KEPUTUSAN PENEMPATAN LOKASI … · SISTEM PENDUKUNG KEPUTUSAN PENEMPATAN LOKASI...
Transcript of SISTEM PENDUKUNG KEPUTUSAN PENEMPATAN LOKASI … · SISTEM PENDUKUNG KEPUTUSAN PENEMPATAN LOKASI...
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: [email protected])
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