Syntax Literate: Jurnal Ilmiah Indonesia
p�ISSN: 2541-0849 e-ISSN: 2548-1398
Vol.
6,
No. 10, Oktober 2021
�
SISTEM�
PENDUKUNG� KEPUTUSAN� PENENTUAN PENERIMA� PROGRAM�
KELUARGA� HARAPAN KECAMATAN PALIMANAN DENGAN METODE MULTI-OBJECTIVE
OPTIMIZATION ON THE BASIS OF RATIO ANALYSIS
Mukidin, Susi Widyastuti
Sekolah Tinggi Ilmu Komputer
(STIKOM) Poltek Cirebon, Indonesia
Email: [email protected], [email protected]
Abstrak
Penelitian ini meneliti tentang
bagaimana merancang suatu aplikasi untuk pemerintahan kecamatan guna memudahkan dalam proses penentuan penerima bantuan Program Keluarga Harapan.
Dengan adanya aplikasi tersebut, diharapkan nantinya memudahkan bagi pemerintahan Kecamatan guna penentuan penerima bantuan PKH agar lebih akurat dan tepat sasaran. Dengan adanya data yang akurat dan tepat sasaran akan dapat
meminimalisisir waktu yang terbuang dalam survey lapangan dan dapat menggunakan sistem yang tengah dirancang ini. Sehingga dapat
meningkatkan keakuratan dalam penentuan penerima bantuan dan tidak salah sasaran. Kecamatan Palimanan Kabupaten Cirebon masih mengalami beberapa kendala dan permasalahan dalam penentuan penerima beberapa bantuan yang telah diberkan oleh pemerintahan pusat, salah satunya adalah Program Keluarga Harapan
(PKH). Yaitu, pihak perangkat harus melakukan survey langsung dalam penentuan siapa saja yang layak atau tidak
mendapatkan bantuan sesuai dengan data yang telah diberikan dari Dinas Sosial. Data yang tercatat di Kantor Kecamatan pun masih menggunakan kertas yang sangat rawan hilang, basah bahkan
terbakar. Oleh karena itu diperlukan suatu sistem atau
aplikasi yang memudahkan pegawai kecamatan dalam mementukan siapa siapa saja
penerima bantuan program keluarga harapan.
Kata Kunci:�� sistem
pendukung keputusan;
program keluarga harapan;
MOORA; PHP; Mysql
Abstract
This research
examines how to design applications for sub-district governments to facilitate
the process of determining the beneficiaries of the Education Field of Hope Family
Program. With the existence of the application, it is hoped that it will make
it more accurate and on target. With the existence of accurate and targeted
data, it will be able to minimize the time spent in field surveys and can use
the system being designed. So that it can increase the accuracy of determining
the recipient of aid and not being misdirected. Palimanan
Subdistrict, Cirebon Regency is still experiencing some obstacles and problems
in determining the recipient of assistance that has been given by the central
government, which is the Hope Family Program (PKH). Namely, the device must be
a direct survey in determining who is eligible for the data provided by the
Social Service. Data recorded at the District Office still uses paper that is very
vulnerable to being lost, wet and even burning. The system or application is
needed that makes it easier for sub-district employees to determine who are the
recipients of the hopeful family program.
Keywords: Decision Support System; Hope Family
Program; MOORA; PHP; Mysql
Received: 2021-09-20;
Accepted: 2021-10-05; Published: 2021-10-20
Pendahuluan����������������������������������������������������������������������������������
Program Keluarga Harapan
(PKH) merupakan salah satu
program pemerintah untuk mengembangkan sistem perlindungan sosial terhadap keluarga miskin di
Indonesia. Program ini memberikan
bantuan uang tunai kepada Rumah Tangga
Sangat Miskin (RTSM) dengan catatan
mengikuti persyaratan yang terkait dengan peningkatan kualitas Sumber Daya Manusia
(SDM) yaitu perlindungan sosial untuk meningkatkan
kesejahteraan keluarga bidang Kesehatan dan Pendidikan bagi
keluarga yang kurang sejahtera seperti ibu hamil, ibu
menyusui, memiliki anak balita dan anak usia sekolah
setingkat SD-SMP. Penerima bantuan ini adalah
ibu atau wanita dewasa yang mengurus anak pada rumah tangga yang kurang sejahtera.
Kemiskinan
menjadi salah satu masalah bagi pemerintah
Indonesia. Indonesia merupakan
salah satu dari sakian banyak negara berkembang. Sebagai negara berkembang permasalahan klasik yang sering dihadapi adalah masih tingginya angka kemiskinan. Kemiskinan menjadi masalah yang sangat penting karena berdampak buruk terhadap beberapa aspek kehidupan seperti kelaparan, putus sekolah, kesehatan yang memburuk, kriminalitas bahkan sampai kematian.
Dengan kondisi seperti itu, maka
pemerintah Indonesia perlu membuat suatu program guna mengurangi angka kemiskinan di negara ini (Rhamadani, 2021).
Menurut
Badan Pusat Statistik (BPS), pada bulan
Maret 2018 jumlah penduduk miskin di Indonesia mencapai
28,59 juta orang (11,22%), mengalami
penambahan sebesar 0,86 juta orang dibanding bulan September 2018 (Badan Pusat Statistik, 2021)
, tidak terkecuali kemiskinan yang ada di Kabupaten Cirebon khususnya Kecamatan Palimanan.
Tahun
2015, tingkat kemiskinan
Cirebon mencapai 87,46%, mengalami
penurunan di tahun 2016 mencapai 0,30% atau menjadi 87,17% kemudian di tahun 2017 mengalami kenaikan sebanyak 0,03% atau menjadi 87,20% Kondisi angka ini
masih dinyatakan tinggi, saat ini
ada 382.125 ribu warga yang harus diselamatkan dari kemiskinan (Badan Pusat Statistik Kabupaten Cirebon, 2018)
Pemerintah
selaku Policy
Maker tentu menggunakan
kewajibannya untuk membuat sebuah kebijakan sebagai upaya mengentaskan kemiskinan. Salah satu kebijakan pemerintah yang memberi dampak positif dan masih terus di kembangkan oleh Pemerintah Indonesia adalah
Program Keluarga Harapan (PKH).
Menurut
Peraturan Menteri Sosial Republik Indonesia No. 1 tahun
2018 tentang Program Keluarga
Harapan, Progran Keluarga
Harapan merupakan bantuan dari pemerintah berupa uang tunai yang akan diberikan kepada rumah tangga
sangat miskin (RTSM) dan sebagai imbalannya
RTSM wajib menyekolahkan anaknya dengan prosentase kehadiran minimal 85% setiap bulan dan melakukan pemerikasaan kesehatan secara berkala (Kementerian Sosial, 2018).
Saat ini banyak Program Keluarga Harapan (PKH) yang dinilai
tidak tepat sasaran, dimana masih banyak orang yang seharusnya berhak, justru tidak mendapatkan
dana bantuan tersebut. Hal ini berdampak ada
subjektifitas di dalam penentuan peserta Program Keluarga Harapan (PKH), terutama jika beberapa calon
peserta yang miskin atau kurang mampu memiliki
tingkat kelayakan yang tidak jauh berbeda.
Dalam hal ini sistem pendataan
masih menggunakan data lama
yang belum ter update sedangkan setiap tahun penduduk selalu mengalami perubahan pola status sosial dan pengolahan data masih secara manual (Pertiwi et al., 2019).
Berdasarkan
hasil wawancara dengan salah satu pendamping lapangan program PKH
di Kecamatan Palimanan, selama ini data yang digunakan PKH dari BPS tidak up to date,
data yang digunakan untuk menentukan penerima PKH tahun 2018 menggunakan data tahun 2015 sehingga menyebabkan masih banyak warga yang tergolong sangat miskin tidak mendapat bantuan PKH sedangkan warga yang bukan tergolong warga sangat miskin justru mendapatkan bantuan PKH. Untuk mengatasi hal tersebut Pendamping
lapangan bersama Pemda setempat berusaha memfilter peserta penerima PKH, proses penentuan warga yang tervalidasi untuk menjadi penerima bantuan PKH sudah memiliki kriteria namun kaidah pendukung
keputusan yang digunakan Pendamping lapangan belum ada ketentuan
dalam�menentukan batasan nilai dari kriteria
yang dimiliki.�kriteria tersebut akan dijadikan
acuan dalam menentukan keluarga yang berhak menerima PKH, namun ketika proses penilaian belum memiliki konsistensi terhadap pemberian bobot dari setiap
kriteria dalam menentukan RTSM.
Dengan kondisi seperti itu, maka perlu
adanya suatu sistem keputusan dengan metode yang dapat menyelesaikan permasalahan RTSM di atas. Banyak
metode sistem keputusan yang bisa digunakan di antaranya adalah metode Multi-Objective Optimization On The Basis Of Ratio Analysis (MOORA).
Metode Penelitian
Metode penelitian
yang digunakan dalam penelitian ini adalah metode penelitian
deskriptif. Penelitian deskriptif bertujuan untuk membuat deskripsi
sistematis, faktual, dan akurat tentang fakta-fakta dan sifat-sifat populasi daerah tertentu (Utami et al., 2007).
Metode
MOORA adalah metode yang diperkenalkan oleh (Revi et al., 2018).
Metode yang relatif baru ini pertama
kali digunakan oleh Brauers
(2003) dalam suatu pengambilan dengan multi-kriteria. Metode MOORA banyak diaplikasikan dalam beberapa bidang seperti bidang manajemen, bangunan, kontraktor, desain jalan, dan ekonomi. Metode ini memiliki tingkat
selektifitas yang baik dalam menentukan suatu Peserta. Pendekatan yang dilakukan MOORA didefinisikan sebagai suatu proses secara bersamaan guna mengoptimalkan dua atau lebih yang saling bertentangan pada beberapa kendala (Olivianita et al., 2016).
Secara umum metode
MOORA meliputi langkah-langkah
sebagai berikut:
1.
Penentuan
nilai matrik Menentukan Tujuan untuk mengindentifikasi atribut evaluasi yang bersangkutan
2.
Normalisasi
matriks Mewakilkan semua informasi yang tersedia untuk setiap atrribut dalam bentuk matriks
keputusan
3.
Normalisasi
matriks (Mesran et al., 2018)
menyimpulkan bahwa untuk penyebut, pilihan terbaik adalah akar kuadrat
dari jumlah kuadrat dan setiap Peserta peratribut.
4.
Mengoptimalkan
Atribut Untuk optimasi Multiobjektif, ukuran yang dinormalisasi ditambahkan dalam kasus maksimasi (untuk atribut yang menguntungkan) dan dikurangi dalam kasus minimasi
(untuk atribut yang tidak menguntungkan).
5.
Dimana G adalah jumlah atribut
yang akan dimaksimalkan,
(n-g) adalah jumlah atribut yang akan diminimalkan, dan yi adalah nilai penilaian
yang telah dinormalisasikan
dari altenatif 1 terhadap semua atribut. Saat atribut
bobot dioertimbangkan, persamaan 3 menjadi sebagai berikut:
Perangkingan
nilai Y Nilai Yi bisa positif atau negatif
tergantung dari total maksimal
dan minimal dalam matriks keputusan. Sebuah urutan peringkat dan Yi menujukan pilihan terakhir. Peserta terbaik memiliki nilai Yi tertinggi, sedangkan Peserta terburuk memiliki nilai yang rendah.
Hasil dan Pembahasan
Tabel 1
Bobot Kriteria
|
No |
Insial |
Kriteria |
Jenis |
Bobot |
|
1 |
C1 |
Luas lantai bangunan
(per orang) |
Cost |
0.2 |
|
2 |
C2 |
Jenis
lantai rumah terluas |
Cost |
0.2 |
|
3 |
C3 |
Jenis
dinding rumah terluas |
Cost |
0.1 |
|
4 |
C4 |
Status Kepemilikan Rumah |
Benefit |
0.09 |
|
5 |
C5 |
Fasilitas buang air besar |
Cost |
0.08 |
|
6 |
C6 |
Sumber
air minum |
Cost |
0.07 |
|
7 |
C7 |
Sumber
penerangan rumah |
Cost |
0.06 |
|
8 |
C8 |
Jenis
Bahan bakar Untuk Memasak |
Cost |
0.05 |
|
9 |
C9 |
Konsusmi
sumber protein |
Cost |
0.04 |
|
10 |
C10 |
Pembelian 1 setel baju |
Cost |
0.03 |
|
11 |
C11 |
Makan
dalam 1 hari |
Cost |
0.02 |
|
12 |
C12 |
Kemampuan memabayar biaya
pengobatan |
Cost |
0.01 |
|
13 |
C13 |
Penghasilan Kepala Keluarga |
Cost |
0.01 |
|
14 |
C14 |
Jumlah
Peserta KK/Rumah Tangga |
Benfit |
0.01 |
|
15 |
C15 |
Pendidikan Tertinggi Kepala Keluarga |
Cost |
0.01 |
|
16 |
C16 |
Kepemilikan Tabungan/barang yang mudah dijual |
Cost |
0.01 |
|
Total Bobot |
|
|
|
1 |
Tabel
2
Bobot sub kriteria Luas lantai bangunan
(per orang)
|
No |
Sub
Kriteria |
Bobot |
|
|||
|
1 |
lebih dari 16 m2 |
10 |
|
|||
|
2 |
13 - 16 m2 |
15 |
|
|||
|
3 |
8 - 12 m2 |
25 |
|
|||
|
4 |
Kurang 8 m2 |
50 |
|
|||
Tabel
3
Bobot sub kriteria Jenis lantai
rumah terluas
|
No |
Sub
Kriteria |
Bobot |
|
|
1 |
Granit |
10 |
|
|
2 |
Keramik/Ubin/tegel/teraso |
15 |
|
|
3 |
Semen/tegel
batu putih |
25 |
|
|
4 |
Tanah |
50 |
|
Tabel
4
Bobot sub kriteria Jenis dinding
rumah terluas
|
No |
Sub
Kriteria |
Bobot |
|
|
1 |
Tembok plesteran/Kayu
kualitas tinggi |
10 |
|
|
2 |
Tembok tanpa plesteran |
15 |
|
|
3 |
Plesteran anyaman bambu/kawat/kalsibord |
20 |
|
|
4 |
Kayu kualitas
rendah/Kalsibord |
25 |
|
|
5 |
Anyaman bamboo |
30 |
|
Bobot
sub kriteria Jenis dinding rumah terluas
|
No |
Sub Kriteria |
Bobot |
|
1 |
Milik Sendiri |
20 |
|
2 |
Bebas Sewa |
30 |
|
3 |
Sewa |
50 |
Tabel
6
Bobot sub kriteria Fasilitas buang air besar
|
No |
Sub Kriteria |
Bobot |
|
|
1 |
Leher angsa |
10 |
|
|
2 |
Plengsengan |
15 |
|
|
3 |
Bersama / WC Umum |
25 |
|
|
4 |
Cemplung/cubluk |
50 |
|
Tabel
7
Bobot sub kriteria Sumber air minum
|
No |
Sub
Kriteria |
Bobot |
|
|||
|
1 |
Air kemasan bermerk |
2 |
|
|||
|
2 |
Air isi ulang |
3 |
|
|||
|
3 |
Ledeng meteran |
4 |
|
|||
|
4 |
Sumur bor/pompa/Sumur terlindung |
6 |
|
|||
|
5 |
Sumur tak terlindung |
10 |
|
|||
|
6 |
Mata air terlindung |
15 |
|
|||
|
7 |
Air hujan/PAH |
25 |
|
|||
|
8 |
Mata air tak terlindung/Air sungai/danau/waduk' |
35 |
|
|||
Tabel 8
Bobot sub kriteria
Sumber penerangan rumah
|
No |
Sub
Kriteria |
Bobot |
|
1 |
1200 VA atau lebih |
10 |
|
2 |
listrik non PLN
(solar cell/genset/biogas) |
15 |
|
3 |
900 VA |
20 |
|
4 |
450 VA |
25 |
|
5 |
Tanpa listrik |
30 |
Bobot sub kriteria
Jenis bahan bakar untuk memasak
|
No |
Sub
Kriteria |
Bobot |
|
1 |
Gas > 3kg |
20 |
|
2 |
�Gas 3 kg |
30 |
|
3 |
Kayu bakar / Arang |
50 |
Tabel 10
Bobot sub kriteria
Sumber protein dalam 1 minggu
|
No |
Sub
Kriteria |
Bobot |
|
1 |
Daging |
20 |
|
2 |
Susu |
30 |
|
3 |
Ayam |
50 |
Bobot sub kriteria
Pembelian 1 setel pakain
dalam 1 tahun
|
No |
Sub
Kriteria |
Bobot |
|
1 |
1 Setel pakaian |
75 |
|
2 |
> 1 setel pakaian |
25 |
Bobot sub kriteria
Kemampuan membayar biaya
pengobatan
|
No |
Sub
Kriteria |
Bobot |
|
1 |
Puskesmas |
75 |
|
2 |
Poliklinik |
25 |
Tabel 13
Bobot sub kriteria
Penghasilan Kepala Keluarga
|
No |
Sub
Kriteria |
Bobot |
|
1 |
Rp. 600.000,-
per bulan |
75 |
|
2 |
> Rp. 600.000,- per bulan |
25 |
Tabel 14
Bobot sub kriteria
Jumlah Peserta KK/Keluarga
|
No |
Sub
Kriteria |
Bobot |
|
1 |
1
- 3 orang |
10 |
|
2 |
4 orang |
15 |
|
3 |
5 orang |
25 |
|
4 |
Lebih dari 6 oranag atau lansia
sebatangkara |
50 |
Bobot sub kriteria
Pendidikan tertinggi kepala keluarga
|
No |
Sub
Kriteria |
Bobot |
|
1 |
�� Sarjana |
4 |
|
2 |
Diploma |
6 |
|
3 |
SMA/SMK/SMALB/Paket C/M Aliyah |
10 |
|
4 |
SMP/SMPLB/Paket B/M Tsanawiyah |
20 |
|
5 |
SD/SDLB/Paket A/M Ibtidaiyah |
25 |
|
6 |
Tidak sekolah/Tidak Tamat SD Sederatat |
35 |
Bobot sub kriteria
Kepemilikan tabungan/barang
yang mudah dijual
|
No |
Sub
Kriteria |
Bobot |
|
1 |
Emas > 9 gram dan Uang/Tabungan > 5 Juta |
10 |
|
2 |
Uang/Tabungan > 5
Juta |
15 |
|
3 |
Emas < 9 gram |
25 |
|
4 |
Tidak Memiliki |
50 |
Bobot sub kriteria
Makan dalam 1 hari
|
No |
Sub
Kriteria |
Bobot |
|
1 |
4
kali sehari |
10 |
|
2 |
3
kali sehari |
15 |
|
3 |
2
kali sehari |
25 |
|
4 |
1
hari sekali |
50 |
A. Normalisasi Matrik
1.
Kriteria C1 = √502 �+ 502 + 202 �= 73.48
A11 = 50/73.48 = 0.68
A12 = 50/73.48 = 0.68
A13 = 20/73.48 = 0.27
2.
Kriteria C2 = √502 �+ 302 + 102 �= 59.16
A21 = 50/59.16 =
0.84
A22 = 30/59.16 =
0.50
A23 = 10/59.16 =
0.16
3.
Kriteria C3 = √302 �+ 202 + 202 �= 41.23
A31 = 30/41.23 =
0.72
A32 = 20/41.23 =
0.48
A33 = 20/41.23 =
0.48
4.
Kriteria C4 = √502 �+ 102 + 102 �= 51.96
A41 = 50/51.96 =
0.96
A42 = 10/51.96 =
0.19
A43 = 10/51.96 =
0.19
5.
Kriteria C5 = √352 �+ 202 + 202 �= 45
A51 = 35/0.45�� = 0.77
A52 = 20/0.45�� = 0.44
A53 = 20/0.45�� = 0.44
6.
Kriteria C6 = √302 �+ 302 + 302 �= 46.90
A61 = 30/46.90 =
0.63
A62 = 30/46.90 =
0.63
A63 = 30/46.90 =
0.63
7.
Kriteria C7 = √502 �+ 502 + 502 �= 86.60
A71 = 50/86.60 = 0.57
A72 = 50/86.60 = 0.57
A73 = 50/86.60 = 0.57
8.
Kriteria C8 = √502 �+ 502 + 502 �= 86.60
A81 = 50/86.60 =
0.57
A82 = 50/86.60 =
0.57
A83 = 50/86.60 =
0.57
9.
Kriteria C9 = √752 �+ 752 + 752 �= 129.90
A91 = 75/129.90= 0.57
A92 = 75/129.90= 0.57
A93 = 75/129.90= 0.57
10. Kriteria C10 = √752�
+ 752 + 752 �= 129.90
A101 = 75/129.90= 0.57
A102 = 75/129.90= 0.57
A103 = 75/129.90= 0.57
11. Kriteria C11 = √752 �+ 752 + 752 �= 129.90
A111 = 75/129.90= 0.57
A112 = 75/129.90= 0.57
A113 = 75/129.90= 0.57
12. Kriteria C12 = √252 �+ 252 + 252 �= 43.30
A121 = 25/43.30= 0.57
A122 = 25/43.30= 0.57
A123 = 25/43.30= 0.57
13. Kriteria C13 = √352 �+ 352 + 352 �= 60.62
A131 = 35/60.62= 0.57
A132 = 35/60.62= 0.57
A133 = 35/60.62= 0.57
14. Kriteria C14 = √502 �+ 502 + 502 �= 86.60
A141 = 50/86.60= 0.57
A142 = 50/86.60= 0.57
A143 = 50/86.60= 0.57
15. Kriteria C15 = √102 �+ 202 + 352 �= 41.53
A141 = 10/41.53= 0.24
A142 = 20/41.53= 0.48
A143 = 35/41.53= 0.48
16. Kriteria C16 = √252 �+ 252 + 502 �= 61.23
A141 = 25/61.23= 0.40
A142 = 25/61.23= 0.40
A143 = 50/61.23= 0.81
B.
Menghitung Nilai Y
Tabel Hitung
Nilai Y
|
No |
Peserta |
Max
(C4+C14) |
Min (C1+C12+C3+C5+C6+C7+C8+C9+C10+C11+C12+C13+C15+C16) |
Yi=Max-Min |
|
1 |
Bambang Irawan |
0.092 |
0.619 |
-0.52 |
|
2 |
Bunaya |
0.023 |
0.503 |
-0.50 |
|
3 |
Maiyani |
0.023 |
0.362 |
-0.34 |
Dari hasil di atas, dapat dilihat
rangking setiap alternative
dari perhitungan kriteria setiap calon peserta PKH pada table berikut:
Tabel 19
Tabel Hasil Perangkingan
|
No |
Peserta |
Hasil |
Rangking |
|
1 |
Maiyani |
-0.34 |
1 |
|
2 |
Bunaya |
-0.50 |
2 |
|
3 |
Bambang Irawan |
-0.52 |
3 |
1.
Desain Interface
a.
Halaman Login
Gambar 1
Halaman Login
b.
Halaman Dashboard
Gambar 2
Halaman Dashboard
c.
Halaman Halaman
Kriteria
Gambar
3
Halaman
Krieria
d.
Halaman
Sub Kriteria
Gambar
4
Halaman
Sub Kriteria
e.
Halaman
Peserta
Gambar
5
Halaman
Peserta
f.
Halaman
Nilai Peserta
Gambar
6
Halaman
Nilai Peserta
g.
Halaman
Proses MOORA
Gambar
7
Halaman
Proses MOORA
Pengujian yang dilakukan penulis
(pengembang sistem) terhadap unjuk kerja sistem pendukung
keputusan penentuan penerima program keluarga harapan kecamatan palimanan dengan metode multi-objective optimization on the basis of ratio
analysis (MOORA) dapat berjalan
dengan baik dalam merekomendasikan masayarakat penerima Program Keluarga Harapan.
Berdasarkan pengujian antara sistem dan perhitungan manual, menunjukan bahwa hasailnya sama sehingga dapat dikatakan bahwa sistem dapat berjalan
dengan baik sesuai rancangan.
Kesimpulan
Dari
hasil pembahasan tentang perancangan Sistem Pendukung Keputusan Penentuan
Penerima Program Keluarga Harapan Kecamatan
Palimanan
dengan Metode MOORA, maka di ambil kesimpulan:
1). Semua Data yang dikirim oleh BPS
kepada pihak PKH akan di olah menggunakan sistem ini sehingga hasil yang di
hasilkan akan tepat sasaran dan bisa mengurangi kemiskinan.
2). Sistem Pendukung Keputusan yang
digunakan akan lebih efektif dalam penentuan penerima program PKH.
3). Aplikasi yang di hasilkan
akan lebih bermanfaat bagi para Pendamping Lapangan untuk kegiatan PKH.
BIBLIOGRAFI
Badan Pusat Statistik. (2021). Berita Resmi Statistik. Bps.Go.Id,
13. Google Scholar
Badan Pusat Statistik Kabupaten Cirebon. (2018). Kabupaten
Cirebon Dalam Angka 2018. Badan Pusat Statistik Kabupaten Cirebon. Google Scholar
Firmansyah (2018). Basis Data. Bandung: Informatika. Google Scholar
Hayadi B Herman, R. K. (2016). What Expert System Apa itu Sistem.
Yogyakarta: CV. Budi Utama. Google Scholar
Indrajani. (2015). Database Design (Case Study All in One).
Jakarta: PT Elex Media. Google Scholar
Kementerian Sosial. (2018). Peraturan Menteri Sosial
Republik Indonesia Nomor 1 Tahun 2018 Tentang Program Keluarga Harapan.
2018. Google Scholar
Mesran, M., Pardede, S. D. A., Harahap, A., & Siahaan, A.
P. U. (2018). Sistem Pendukung Keputusan Pemilihan Peserta Jaminan Kesehatan
Masyarakat (Jamkesmas) Menerapkan Metode MOORA. Jurnal Media Informatika
Budidarma, 2(2). Google Scholar
Olivianita, L., Ekojono, E., & Ariyanto, R. (2016).
Sistem pendukung keputusan kelayakan hasil cetakan buku menggunakan metode
moora. Seminar Informatika Aplikatif Polinema. Google Scholar
Pertiwi, I. P., Fedinandus, F., & Limantara, A. D.
(2019). Sistem Pendukung Keputusan Penerima Program Keluarga Harapan (PKH)
Menggunakan Metode Simple Additive Weighting. CAHAYAtech, 8(2),
182. https://doi.org/10.47047/ct.v8i2.46. Google Scholar
Revi, A., Parlina, I., & Wardani, S. (2018). Analisis
Perhitungan Metode MOORA dalam Pemilihan Supplier Bahan Bangunan di Toko Megah
Gracindo Jaya. InfoTekJar: Jurnal Nasional Informatika Dan Teknologi
Jaringan, 3(1), 95�99. Google Scholar
Rhamadani, I. (2021). Analisis Pengaruh Inklusi Keuangan Dan
Kemiskinan Di Indonesia (Studi Kasus Pada Tahun 2007-2018). Jurnal Ilmiah
Mahasiswa FEB, 10(1). Google Scholar
Rosa, & Shalahuddin. (2015). Rekayasa Perangkat Lunak
Terstruktur. Bandung: Informatika. Google Scholar
Sugiyono. (2017). Metode Penelitian Kuantitatif, Kualitatif,
dan R&D. Bandung: Alfabeta, CV. Google Scholar
Sukamto, R., & Shalahuddin, M. (2016). Rekayasa Perangkat
Lunak. Bandung: Informatika. Google Scholar
Utami, E., Istiyanto, J. E., & Raharjo, S. (2007).
Metodologi penelitian pada ilmu komputer. Seminar Nasional Teknologi 2007,
2007(November), 1�13. Google Scholar
|
Copyright
holder: Mukidin,
Susi Widyastuti (2021) |
|
First
publication right: Syntax Literate: Jurnal Ilmiah Indonesia |
|
This article is
licensed under:
|
