SISTEM PENDUKUNG KEPUTUSAN DALAM PENERIMAAN TENAGA PENDAMPING DESA MENGGUNAKAN METODE SAW

semantik, Vol.3, No.2, Jul_Des 2018, pp. 269-278 ISSN : 2502-8928 (Online) 269 SISTEM PENDUKUNG KEPUTUSAN DALAM PENERIMAAN TENAGA PENDAMPING DESA MENGGUNAKAN METODE SAW LM. Taha Ramadhan* 1, Muh. Ihsan Sarita* 2, Rahmat Ramadhan* 3 Jurusan Teknik Informatika, FTEKNIK UHO, Kendari e-mail : *1 odetahar@gmail.com, 2 ihsansarita@yahoo.com, 3 rahmat.ramadhan@uho.ac.id Abstrak Pendamping Desa adalah pengelola proyek pembangunan di desa. Kerja Pendampingan Desa difokuskan pada upaya memberdayakan masyarakat desa melalui proses belajar sosial. Proses penerimaan pendamping desa dilakukan seleksi administrasi dan seleksi tes yang dilakukan oleh pemerintah kabupaten. Dalam proses seleksinya terdapat beberapa masalah yaitu penentuan atau perangkingan yang masih manual dikarenakan pada tahapan seleksi sering terjadi kecurangan. Untuk mengatasi masalah tersebut perlu adanya sistem yang dapat mengelola dan menyeleksi kriteria-kriteria dalam penerimaan pendamping secara obyektif agar didapatkan sebuah hasil keputusan yang cepat, tepat dan akurat. Konsep dasar SAW adalah mencari penjumlahan terbobot dari kinerja setiap alternatif pada semua. Metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat dibandingkan dengan semua rating alternatif yang ada.dengan semua rating alternatif yang ada. Metode SAW dapat diterapkan dalam penerimaan pendamping desa, karena metode SAW dapat menghasilkan sistem pendukung keputusan yang menentukan layak atau tidak layaknya pelamar berdasarkan bobot yang telah ditentukan. Kata Kunci : Pendamping Desa, Penerimaan, SAW ABSTRACT Village Assistant is the manager of the village development project. Village Assistance Work is focused on empowering villagers through social learning process. The process of acceptance of the village counselors is conducted by the administrative selection and test selection conducted by the district government. In the selection process there are several problems namely the determination or rankings are still manual because at the stage of selection is often a fraud. To overcome these problems need a system that can manage and select the criteria in acceptance of the companion objectively in order to obtain a quick decision, precise and accurate. The basic concept of SAW is to find the weighted sum of the performance of each alternative at all. The SAW method requires the process of normalizing the decision matrix (X) to a scale comparable to all existing alternative ratings with all the existing alternative ratings. SAW method can be applied in acceptance of village counselor, because SAW method can produce decision support system that determine eligible or unsuitable applicants based on specified weight. Keywords: Village Assistant, Reception, SAW Received June 1 st,2012; Revised June 25 th, 2012; Accepted July 10 th, 2012

270 Sistem Pendukung Keputusan Dalam Penerimaan Tenaga Pendamping Desa 1. PENDAHULUAN D esa adalah kesatuan masyarakat hukum yang memiliki kewenangan untuk mengatur dan mengurus kepentingan masyarakat setempat berdasarkan asal usul dan adat istiadat setempat yang diakui dalam sistem pemerintahan Nasional dan berada di daerah kabupaten. Untuk pengelolaan desa yang baik maka pemerintah dengan amanat Undang Undang Desa Nomor 6 tahun 2014, dalam rangka implementasinya dikeluarkan Peraturan Pemerintah Nomor 60 tahun 2014 tentang Dana Desa, dalam peraturan ini muncul posisi tenaga kerja yang disebut Pendamping Desa. Posisi ini nantinya akan berada pada tingkat desa, tingkat kecamatan, tingkat kabupaten dan pada tingkat provinsi. Untuk semakin memantapkan pemahaman tentang pendamping Desa, Kementerian Desa menerbitkan Peraturan Menteri (Permen) Nomor 3 Tahun 2015 Tentang Pendamping Desa. Didalamnya dijelaskan bahwa Pendamping Desa bukan pengelola proyek pembangunan di desa. Kerja Pendampingan Desa difokuskan pada upaya memberdayakan masyarakat desa melalui proses belajar sosial. Dengan demikian, pendamping desa tidak dibebani dengan tugastugas pengelolaan administrasi keuangan dan pembangunan desa yang berdasarkan undang undang Desa sudah menjadi tugas dan tanggung jawab pemerintah desa. Dalam proses perekrutan atau penerimaan pendamping desa dilakukan seleksi administrasi dan seleksi tes yang dilakukan oleh pemerintah kabupaten. Dalam proses seleksinya terdapat beberapa masalah yaitu penentuan atau perangkingan yang masih manual dikarenakan pada tahapan seleksi sering terjadi kecurangan. Untuk mengatasi masalah tersebut perlu adanya sistem yang dapat mengelola dan menyeleksi kriteriakriteria dalam penerimaan pendamping secara objektif agar didapatkan sebuah hasil keputusan yang cepat, tepat dan akurat. Sistem tersebut adalah sebuah sistem pendukung keputusan dengan menggunakan metode Simple Additive Weighting (SAW) yang akan bekerja untuk menentukan kelayakan tenaga pendamping desa. Metode ini sering juga dikenal dengan istilah penjumlahan terbobot. Konsep dasar SAW adalah mencari penjumlahan terbobot dari kinerja setiap alternatif pada semua atribut Membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat dibandingkan dengan semua rating alternatif yang ada, sangat sederhana dan mudah dipahami serta bisa diimplementasikan pada sistem pendukung keputusan yang dibuat dengan memperhatikan bobot dan kriteria sehingga sistem lebih mudah dan efisien. Berdasarkan latar belakang yang telah diuraikan, maka penulis mengambil topik penelitian dengan judul Sistem Pendukung Keputusan Dalam Penerimaan Tenaga Pendamping Desa Menggunakan Metode Simple Additive Weighting sebagaisistem penujang keputusan untuk penerimaan pendamping tenaga desa. 2. METODE PENELITIAN 2.1 Tenaga Pendamping Desa Menurut undang undang Nomor 6 Tahun 2014 tentang Desa, yang dalam implementasinya terbit peraturan pemerintah Nomor 60 tahun 2014 tentang Dana Desa, muncul sebuah posisi tenaga kerja yang disebut Pendamping Desa. Posisi ini nantinya akan berada pada tingkat desa, tingkat kecamatan, tingkat kabupaten dan pada tingkat provinsi. Sebelumnya pernah ada program sejenis yang disebut Fasilitator yang dipakai pada program nasional pemberdayaan masyarakat mandiri pedesaan (PNPM-MPd) pada 2007 2014. Untuk semakin memantapkan pemahaman tentang Pendamping Desa, Kementeria Desa menerbitkan Peraturan Menteri (Permen) Nomor 3 Tahun 2015 Tentang Pendamping Desa. Dari aturan tersebut dijelas bahwa Pendamping Desa bukan pengelola proyek pembangunan di desa. Kerja Pendampingan Desa difokuskan pada upaya memberdayakan masyarakat desa melalui proses belajar sosial. Dengan demikian, pendamping desa tidak dibebani dengan tugas-tugas pengelolaan administrasi keuangan dan pembangunan desa yang berdasarkan undang undang Desa, dimana tugas menjadi tugas dan tanggung jawab pemerintah desa [1] [2] [3]. 2.2 Sistem Pendukung Keputusan Pengertian sistem pendukung keputusan yang dikemukakan oleh Morton dan IJCCS Vol. x, No. x, July 201x : first_page end_page

Ramadhan, Sarita dan Ramadhan IJCCSISSN: 1978-1520 271 Keen, dalam buku Sistem Informasi Manajemen [4] menyatakan bahwa sistem pendukung keputusan merupakan sistem penghasil informasi yang ditujukan pada suatu masalah yang harus dibuat oleh manajer Menurut Litlle dalam buku Introduction to Information Technology [5] sistem pendukung keputusan adalah suatu sistem informasi berbasis komputer yang menghasilkan berbagai alternatif keputusan untuk membantu manajemen dalam menangani berbagai permasalahan yang terstruktur ataupun tidak terstruktur dengan menggunakan data atau model. 2.3 FMADM Fuzzy Multiple Attribute Decision Making (FMADM) adalah suatu metode yang digunakan untuk mencari alternatif optimal dari sejumlah alternatif dengan kriteria tertentu. Inti dari FMADM adalah menentukan nilai bobot untuk setiap atribut, kemudian dilanjutkan dengan proses perankingan yang akan menyeleksi alternatif yang sudah diberikan. Pada dasarnya, ada 3 pendekatan untuk mencari nilai bobot atribut, yaitu pendekatan subyektif, pendekatan obyektif dan pendekatan integrasi antara subyektif & obyektif. Masingmasing pendekatan memiliki kelebihan dan kelemahan. Pada pendekatan subyektif, nilai bobot ditentukan berdasarkan subyektifitas dari para pengambil keputusan, sehingga beberapa faktor dalam proses perankingan alternatif bisa ditentukan secara bebas. Sedangkan pada pendekatan obyektif, nilai bobot dihitung secara matematis sehingga mengabaikan subyektifitas dari pengambil keputusan. [6] Ada beberapa metode yang dapat digunakan untuk mnyelesaikan masalah FMADM. antara lain: a. Simple Additive Weighting Method (SAW) b. Weighted Product (WP) c. ELECTRE d. Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) e. Analytic Hierarchy Process (AHP) 2.3.1 Algoritma FMADM Algoritma FMADM adalah: 1. Memberikan nilai setiap alternatif (Ai) pada setiap kriteria (Cj) yang sudah ditentukan, dimana nilai tersebut di peroleh berdasarkan nilai crisp; i=1,2, m dan j=1,2, n. 2. Memberikan nilai bobot (W) yang juga didapatkan berdasarkan nilai crisp. 3. Melakukan normalisasi matriks dengan cara menghitung nilai rating kinerja ternormalisasi (rij) dari alternatif Aipada atribut Cj berdasarkan persamaan yang disesuaikan dengan jenis atribut (atribut keuntungan/benefit=maksimum atau atribut biaya/cost=minimum). Apabila berupa artibut keuntungan maka nilai crisp (Xij) dari setiap kolom atribut dibagi dengan nilai crisp MAX (MAX Xij) dari tiap kolom, sedangkan untuk atribut biaya, nilai crisp MIN (MIN Xij) dari tiap kolom atribut dibagi dengan nilai crisp (Xij) setiap kolom. 4. Melakukan proses perankingan dengan cara mengalikan matriks ternormalisasi (R) dengan nilai bobot (W). 5. Menentukan nilai preferensi untuk setiap alternatif (Vi) dengan cara menjumlahkan hasil kali antara matriks ternormalisasi (R) dengan nilai bobot (W). Nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai lebih terpilih. 2.3.2 Langkah Penyelesaian Dalam penelitian ini menggunakan FMADM metode SAW. Adapun langkahlangkahnya adalah: 1. Menentukan kriteria-kriteria yang akan dijadikan acuan dalam pengambilan keputusan, yaitu Ci. 2. Menentukan rating kecocokan setiap alternatif pada setiap kriteria. 3. Membuat matriks keputusan berdasarkan kriteria (Ci), kemudian melakukan normalisasi matriks berdasarkan persamaan yang disesuaikan dengan jenis atribut (atribut keuntungan ataupun atribut biaya) sehingga diperoleh matriks ternormalisasi R. 4. Hasil akhir diperoleh dari proses perankingan yaitu penjumlahan dari perkalian matriks ternormalisasi R dengan vektor bobot sehinggan diperoleh nilai terbesar yang dipilih sebagai alternatif terbaik (Ai) sebagai solusi. [7] 2.4 Simple Additive Weighting (SAW) Metode Simple Additive Weighting sering juga dikenal dengan istilah metode Title of manuscript is short and clear, implies research results (First Author)

272 Sistem Pendukung Keputusan Dalam Penerimaan Tenaga Pendamping Desa penjumlahan terbobot. Konsep dasar SAW adalah mencari penjumlahan terbobot dari kinerja setiap alternatif pada semua. Metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat dibandingkan dengan semua rating alternatif yang ada. Persamaan (1) menunjukan rating alternatif yang ternormalisasi. r x max x = min x x Jika i adalah atribut keuntungan (benefit) jika j adalah attribute biaya (cost) (1) Dimana r 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 pada pesamaan (2) v = w r (2) Nilai Vi lebih besar mengindikasikan bahwa alternatif Ai lebih terpilih. Langkah langkah penelitian dalam menggunakan metode SAW, adalah: 1. Menentukan kriterian-kriteria yang akan Bobot No. Nama Kriteria Bobot kepentingan Tipe Kriteria Kriteria 1 Umur Cost 0.5 2 Tahun Lulus Cost 0.5 3 Pendidikan Terakhir Benefit 1 4 Pengalaman Kerja Bidang Benefit 0.8 Pemberdayaan 5 Sertifikat dan Piagam Benefit 0.3 dijadikan acuan dalam pengambilan keputusan, yaitu Ci. 2. Menentukan rating kecocokan setiap alternatif pada setiap kriteria. 3. Membuat matriks keputusan berdasarkan kriteria (Ci), kemudian melakukan normalisasi matriks berdasarkan persamaan yang disesuaikan dengan jenis atribut (atribut keuntungan maupun atribut biaya) sehingga diperoleh matriks ternormalisasi R. Hasil akhir diperoleh dari setiap proses perankingan yaitu penjumlahan dari perkalian matriks ternormalisasi R dengan vector bobot sehingga diperoleh nilai terbesar yang dipilih sebagai alternatif terbaik (Ai) sebagai solusi. [7] 3. HASIL DAN PEMBAHASAN 3.1 Perancangan FMADM Seperti telah dijelaskan pada pendahuluan. penilaian dilakukan dengan melihat nilai-nilai terhadap indikator, Selanjutnya masing-masing indikator tersebut dianggap sebagai kriteria yang akan dijadikan sebagai faktor, kemudian diperlakukan sebagai input kedalam sistem FMADM. Pembobotan mungukan FMADM seperti di tunjukan pada tabel 1 Table 1 Fuzzy Multiple Attribute Decision Making (FMADM) Menentukan kriteria penilaian yang akan digunakan sebagai parameter penyeleksian calon tenaga pendamping desa. Daftar tabel penilaian yang digunakan bisa dilihat pada Table 2 Tabel 2 Daftar Tabel Penilaian Kriteria C1 Umur C2 Pendidikan Terakhir C3 Tahun Lulus C4 Pengalaman kerja bidang pemberdayaan C5 Sertifikat dan piagam SUB kriteria Nilai Bobot Kepentingan 25 30 tahun 25 30 35 tahun 30 35 40 tahun 35 40 45 tahun 40 S1 30 S2 40 S3 50 2 4 tahun 20 4 6 tahun 25 6 8 tahun 30 > 8 tahun 35 2 4 tahun 20 4 6 tahun 25 6 8 tahun 30 > 8 tahun 35 <5 5 6-10 10 >10 15 Pada Tabel 3 ini digunakan 5 kriteria yang akan dipilih sebagai solusi. Yang mana IJCCS Vol. x, No. x, July 201x : first_page end_page

Ramadhan, Sarita dan Ramadhan IJCCSISSN: 1978-1520 273 kriteia ini telah di tentukan tipe kriteria dan bobot kepentingan kriteria. Tabel 3 Tabel Bobot Kriteria No. 3.2 Perhitungan SAW Pada kasus ini digunakan 5 sampel data uji sebagai alternatif yang akan dipilih sebagai solusi. Tabel 4 memperlihatkan 5 sampel data yang diuji. Tabel 4 Alternatif dan Kriteria Nama Umur Tahun Lulus Pendidikan Pengalaman Kerja Sertifikat dan piagam Jabaruddin (A1) 32 8 tahun S1 6 tahun 5 Haeruddin (A2) 27 4 tahun S1 3 tahun 5 Kusrwan (A3) 30 7 tahun S1 5 tahun 5 Nurbayah (A4) 28 5 tahun S1 3 tahun 5 Syahlun (A5) 28 10 tahun S1 9 tahun 5 Pada tabel 4 alternatif dan kriteria kemudian di uji dengan mengkoversikan berdasarkan data yang ditujukkan pada tabel 1 hasil konversi dapat di lihat pada tabel 5. Tabel 5 Tabel Pengujian Nama Umur Bobot Kepentingan Kriteria Jenis Bobot 1 Sangat Rendah 0 2 Rendah 0,3 3 Tengah 0,5 4 Tinggi 0,8 5 Sangat Tinggi 1 Tahun Lulus Nilai kriteria Pendidikan Terakhir Pengalaman Kerja Sertifikat dan piagam (A1) 30 30 30 30 5 (A2) 30 30 30 30 5 (A3) 25 30 30 25 5 (A4) 30 30 30 30 5 (A5) 30 35 30 35 5 Pada proses normalisasi kriteria C1 dan C2, menggunakan rumus pada Persamaan (2.1) sebagai cost. Sedangkan untuk menghitung nilai kriteria C3, C4 dan C5 menggunakan rumus pada Persamaan (2.2) sebagai benefit. a. C1 Dari kolom C1 pada Table 4.13 nilai minimalnya adalah 25, maka tiap baris dari kolom C1 dibagi dengan nilai minimal kolom C1. R11= 30/25 = 1,2 R21= 30/25 = 1,2 R31=25/25 = 1 R41= 30/25 = 1,2 R51= 30/25 = 1,2 b. C2 Dari kolom C2 pada Table 4.13 nilai minimalnya adalah 20, maka tiap baris dari kolom C2 dibagi dengan nilai minimal kolom C2. R12= 30/30 = 1 R22= 30/30 = 1 R32= 30/30 = 1 R42= 30/30 = 1 R52= 35/30 = 1,166 c. C3 Dari kolom C3 pada Table 4.13 nilai maksimalnya adalah 30, maka tiap baris dari kolom C3 dibagi dengan nilai maksimal kolom C3. R13= 30/30 = 1 R23= 30/30 = 1 R33= 30/30 = 1 R43= 30/30 = 1 R53= 30/30 = 1 d. C4 Dari kolom C4 pada Table 4.13 nilai maksimalnya adalah 30, maka tiap baris dari kolom C4 dibagi dengan nilai maksimal kolom C4. R14= 30/35 = 0,857 R24= 30/35 = 0,857 R34= 25/35 = 0.714 R44= 30/30 = 0,857 R54= 35/35 = 1 e. C5 Dari kolom C5 nilai maksimalnya adalah 10, maka tiap baris dari kolom C5 dibagi dengan nilai maksimal kolom C5. R15= 5/5 = 1 R25= 5/5 = 1 R35= 5/5 = 1 R45= 5/5 = 1 R55= 5/5 = 1 Kemudian masukkan semua hasil penghitungan tersebut ke dalam tabel yang disebut tabel faktor ternormalisasi. Hasilnya dapat dilihat pada Tabel 6 berikut. Title of manuscript is short and clear, implies research results (First Author)

274 Sistem Pendukung Keputusan Dalam Penerimaan Tenaga Pendamping Desa Tabel 6 Faktor ernormalisasi No Calon Alternatif Kriteria C1 C2 C3 C4 C5 1 A1 1,2 1 1 0,857 1 2 A2 1,2 1 1 0,857 1 3 A3 1 1 1 0,714 1 3.3.1 Menu Login Pada halaman ini merupakan menu login dari sistem. Untuk masuk ke halaman utama aplikasi, user dalam hal ini panitia seleksi harus memasukkan username dan password terlebih dahulu. Tampilan Menu Login dapat dilihat pada Gambar 1. 4 A4 1,2 1 1 0,857 1 5 A5 1,2 1,166 1 1 1 Setelah mendapatkan hasil seperti yang terlihat pada Tabel 6, kemudian kalikan setiap kolom di tabel tersebut dengan bobot kriteria yang terdapat pada Tabel 1. A1 =(1,2 * 0,5) + (1 * 0,5) + (1 * 1) + (0,857 * 0,8) + (1 * 0,3) = 3,0856 A2 =(1,2 * 0,5) + (1 * 0,5) + (1 * 1) + (0,857 * 0,8) + (1 * 0,3) = 3,0856 A3 =(1 * 0,5) + (1 * 0,5) + (1 * 1) + (0,714 * 0,8) + (1 * 0,3) = 2,8712 A4 =(1,2 * 0,5) + (1 * 0,5) + (1 * 1) + (0,857 * 0,8) + (1 * 0,3) = 3,0856 A5 =(1,2 * 0,5) + (1,166 * 0,5) + (1 * 1) + (1 * 0,8) + (1 * 0,3) = 3,283 Dengan demikian diperoleh nilai akhir yang dapat dilihat pada Tabel 4.18 berikut: Gambar 1 Menu Login 3.3.2 Menu Beranda (Home) Menu ini merupakan tampilan beranda setelah login Tampilan Menu Home BTS dapat dilihat pada Gambar 2. Tabel 7 Nilai Akhir Rangking No. Calon Alternatif Nilai Akhir 1. A5 3,283 2. A1 3,0856 3. A2 3,0856 4. A4 3,0856 5. A3 2,8712 Dalam bab ini dibahas mengenai pembuatan program dan hasil uji coba program yang telah dirancang dan diimplementasikan dengan menggunakan web browser dan xampp. Uji coba dilakukan untuk mengetahui apakah program dapat berjalan sebagaimana mestinya dengan lingkungan uji coba yang telah ditentukan serta dilakukan sesuai dengan skenario uji coba. 3.3 Implementasi Sistem Implementasi rancangan antar muka terbagi menjadi empat bagian utama, yaitu: Gambar 2 Menu Beranda 3.3.3 Menu Nilai Menu ini merupakan halaman untuk menambahkan nilai rekomendasi untuk setiap kriteria Tampilan Menu Nilai dapat dilihat pada Gambar 3. IJCCS Vol. x, No. x, July 201x : first_page end_page

Ramadhan, Sarita dan Ramadhan IJCCSISSN: 1978-1520 275 Gambar 3 Menu Nilai 3.3.4 Menu Kriteria Menu ini merupakan halaman untuk menambahkan kriteria pelamar pekerjaan Tampilan Menu Nilai dapat dilihat pada Gambar 4. Gambar 6 Menu Rangking 3.3.7 Menu Laporan Menu ini merupakan halaman untuk menampilkan laporan perangkingan dan cetak laporan dalam bentuk PDF. Tampilan Menu laporan dapat dilihat pada Gambar 7 Gambar 4 Menu Kriteria 3.3.5 Menu Alternatif Menu ini merupakan halaman untuk menambahkan nilai rekomendasi untuk Tampilan Menu alternatif dapat dilihat pada Gambar 5. Gambar 7 Menu Laporan Implementasi Metode SAW pada source code dapat dilihat pada gambar berikut. function readhasil($a){ $query = "SELECT sum(bobot_normalisasi) as bbn FROM ". $this->table_name. " WHERE id_alternatif='$a' LIMIT 0,1"; $stmt = $this->conn- >prepare( $query ); $stmt->execute(); Gambar 5 Menu Alternatif } return $stmt; Gambar 8 Sour code 3.3.6 Menu Rangking Menu ini merupakan halaman untuk menampilkan perangkingan. Tampilan Menu rangking dapat dilihat pada Gambar 6. 3.4 Uji Coba Sistem Uji coba sistem yang akan dilakukan berikut ini merupakan proses pembuktian bahwa aplikasi ini telah sesuai dengan rancangan awal dari sistem yang telah Title of manuscript is short and clear, implies research results (First Author)

276 Sistem Pendukung Keputusan Dalam Penerimaan Tenaga Pendamping Desa dirancang pada bab sebelumnya dengan menggunakan metode SAW. 3.4.1 Uji Coba Sistem Menentukan Rangking Calon Tenaga Pendamping Desa Dalam proses metode penelitian ini terdapat alternatif tenaga pendamping desa yang dibutuhkan dalam melakukan uji coba dan analisis rangking yang akan diterima oleh tenaga pendamping desa. Maka terlebih dahulu ditentukan alternatif tenaga pendamping desa yang akan digunakan untuk pengujian yang akan dilakukan. Alternatif tenaga pendamping desa ditujukan pada Table 8. Table 8 Alternatif tenaga pendamping desa Alternatif Jabaruddin (A1) Yuri Prayuningsih (A2) Kusrwan (A3) Muslihati Saleh (A4) Syahlun (A5) Umur 32 27 30 28 28 Tahun Lulus 8 tahun 4 tahun 7 tahun 5 tahun 10 tahun Pendidikan Pengalam an Kerja S1 6 tahun 5 S1 3 tahun 5 S1 5 tahun 5 S1 3 tahun 5 S1 9 tahun 5 Sertifikat dan piagam Setelah alternatif tenaga pendamping desa ditentukan, selanjutnya akan dimasukkan kriteria penilaian yang ada untuk masing-masing alternatif berikut ini: 3.4.2 Alternatif 1 Pada sistem ini terdapat 5 kriteria, kriteria pertama yaitu kriteria Umur yang terdiri dari 4 subkriteria (25-30 tahun, 30-35 tahun, 35-40 tahun dan 40-45). Kriteria kedua yaitu Pendidikan Terakhir yang terdiri dari 3 subkriteria (S1, S2 dan S3). Kriteria ketiga yaitu Tahun Lulus dengan 4 subkriteria (2-4 tahun, 4-6 tahun, 6-8 tahun dan 8 tahun ke atas). Kriteria keempat pengalaman kerja bidang pemberdayaan terdiri dari 4 sukriteria (2-4 tahun, 4-6 tahun, 6-8 tahun dan 8 tahun ke atas). Dan kriteria kelima yaitu sertifikat piagam yang terdiri dari 3 subkriteria (sertifikat <5, 6-10 sertifikat dan sertifikat 10>) dapat dilihat pada gambar 9 berikut: Gambar 9 menggambarkan proses imput Alternatif 1 Gambar 9 Alternatif 1 Berikut tampilan grafik hasil uji dalam diagram grafik di aplikasi yang ditunjukan pada gambar 10. Gambar 10 Tampilan Hasil Uji dalam diagram grafik Gambar 11 menggambarkan Tabel hasil akhir pada menu laporan. Gambar 11 Tampilan Tabel Hasil Akhir pada Menu Laporan Berdasarkan Gambar 9 dan gambar 10 dijelaskan bahwa alternatif 1 (Jabaruddin) memperoleh nilai 3,0856, alternatif 2 (Haeruddin) memperoleh nilai 3,0856, alternatif 3 (Kusrawan) memperoleh nilai 2,8712, alternatif 4 (Nurbayah) memperoleh nilai 3,0856, alternatif 4 (Syahlun) memperoleh nilai 3,283, Jika diurut berdasarkan nilai jadi alternatif 5, alternatif 1, alternatif 2, alternatif 4, dan alternatif 3. IJCCS Vol. x, No. x, July 201x : first_page end_page

Ramadhan, Sarita dan Ramadhan IJCCSISSN: 1978-1520 277 4. KESIMPULAN Berdasarkan pembahasan, pengujian dan analisis yang dilakukan maka dapat disimpulkan bahwa Telah dibangun sebuah sistem pendukung keputusan Dalam Penerimaan Tenaga Pendamping Desa Dengan Menggunakan Metode Simple Additive Weighting (SAW) dengan kriteria-kriteria yang telah ditentukan, dimana kriteria tersebut diterjemahkan dari bilangan fuzzy kedalam bentuk sebuah bilangan crisp. sehingga nilainya akan bisa dilakukan proses perhitungan untuk mencari alternatif terbaik. Dari penelitian tersebut diketahui bahwa Semakin tinggi nilai bobot yang diperoleh oleh pelamar maka semakin besar pula kesempatan untuk diterima menjadi pendamping desa. dan hasil akhir dari penelitian ini adalah sebuah alternatif yang memiliki nilai alternatif terbaik dari alternatif yang. Pendukung Keputusan dan Sistem Cerdas). Andi Offset. Yogyakarta. [6] Kusumadewi, S. (2007). Diktat Kuliah Kecerdasan buatan, Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia. [7] Kusumadewi, S., Hartati, S., Harjoko, A., dan Wardoyo, R. (2006). Fuzzy Multi- Attribute Decision Making (FUZZY MADM). Yogyakarta: Penerbit Graha Ilmu. 5. SARAN Adapun saran yang dapat disampaikan untuk pengembangan selanjutnya antara lain yaitu untuk pengembangan selanjutnya diharapkan sistem ini dapat melakukan penambahan kriteria seiring perkembangan kebutuhan pengguna sistem sehingga dapat meningkatkan kinerja sistem. DAFTAR PUSTAKA [1] Republik Indonesia, 2014 undang undang nomor 6 tentang desa: sekretariat negara. [2] Republik Indonesia, 2014 peraturan pemerintah nomor 60 tentang dana desa: sekretariat negara. [3] Republik Indonesia, 2015 peraturan menteri desa nomor 3 tentang pendamping desa: sekretariat negara. [4] Mcleod, Raymond Jr. 1995. Sistem Informasi Manajemen, Jakarta: PT. Prenhalindo [5] Turban, E. Joy E. A. Ting, P. L. 2005. Decission Support Systems and Intelligent System (Sistem Title of manuscript is short and clear, implies research results (First Author)

278 Sistem Pendukung Keputusan Dalam Penerimaan Tenaga Pendamping Desa IJCCS Vol. x, No. x, July 201x : first_page end_page