13 3 JURNAL RISET INFORMATIKA Vol. 1, No. 3 Juni 2019 P-ISSN: 2656-1743 E-ISSN: 2656-1735 133 Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-NonKomersial 4.0 Internasional SISTEM PENDUKUNG KEPUTUSAN PEMBERIAN BERAS UNTUK KELUARGA MISKIN DENGAN METODE SIMPLE ADDITIVE WEIGHTING Jamal Abdul Nasir Sistem Informasi STMIK Nusa Mandiri Jakarta www.nusamandiri.ac.id jamalabdul66@gmail.com Abstract To improve Indonesia's economic stability, the Government has tried various methods. One of the policies taken by the government is to issue a RASKIN (Rice for the Poor) policy. In the distribution of Raskin there are often obstacles or problems, one of which is the leveling of the amount of Raskin received by all recipients and the misdirected distribution of rice. Decision support systems are part of overcoming these problems so a study was made to develop a computer application that helps make a decision. The subject of this research was the application of the decision support system for selection of Raskin acceptance using the Simple Additive Weighting (SAW) method. The purpose of this study as an alternative to assist the RT management in determining decisions related to the provision of Raskin rice for residents in accordance with the requirements and criteria of the RT 04 RW.01 Sukmajaya Depok administration. Keywords: Simple Additive Weighting, RASKIN, Decision Support System Abstrak Untuk memperbaiki stabilitas ekonomi Indonesia, Pemerintah mengupayakan berbagai cara. Salah satu kebijakan yang diambil pemerintah yaitu dengan mengeluarkan kebijakan RASKIN (Beras Untuk Masyarakat Miskin). Dalam pendistribusian Raskin sering kali ditemui kendala atau permasalahan, salah satunya adanya penyamarataan jumlah Raskin yang diterima oleh semua penerima dan pembagian beras yang salah sasaran. Sistem pendukung keputusan merupakan bagian untuk mengatasi masalah tersebut maka dibuat sebuah penelitian untuk mengembangkan suatu aplikasi komputer yang membantu mengambil sebuah keputusan. Subjek pada penelitian ini adalah aplikasi Sistem Pendukung Keputusan seleksi penerimaan raskin menggunakan metode Simple Additive Weighting (SAW). Tujuan penelitian ini sebagai salah satu alternatif untuk membantu kepengurusan RT dalam menentukan keputusan terkait pemberian beras raskin bagi warga sesuai dengan syarat dan kriteria pengurus RT 04 RW.01 Kelurahan Sukmajaya Depok. Kata Kunci: Simple Additive Weighting, RASKIN, Sistem Pendukung Keputusan PENDAHULUAN Indonesia merupakan negara agraris, rata- rata penghasilan didapat dari pertanian. Salah satu bidang pertanian yang paling maju adalah padi, yang menghasilkan beras sebagai makanan pokok. Banyaknya warga negara Indonesia, menyebabkan hasil panen beras dalam negeri tidak cukup untuk memenuhi kebutuhan warganya (Rini & Soyusiawaty, 2014), sehingga memerlukan tambahan pasokan dari luar negeri. Hal ini menyebabkan terjadinya kekurangan bahan pangan (Widiarsih, 1974) terutama pada keluarga tidak mampu. Untuk memperbaiki stabilitas ekonomi Indonesia, Pemerintah mengupayakan berbagai cara. Salah satu kebijakan yang diambil pemerintah yaitu dengan mengeluarkan kebijakan RASKIN (Beras Untuk Masyarakat Miskin). Dalam pendistribusian Raskin sering kali ditemui kendala atau permasalahan, salah satunya adanya penyamarataan jumlah Raskin yang diterima oleh semua penerima Raskin (Angrawati, Angrawati, Yamin, & Ransi, 2016). Masih terjadi kecurangan dalam pemilihan masyarakat calon penerima RASKIN (Handayani, 2016). Sementara ada derajat sosial yang berbeda antara sesama penerima Raskin tersebut. Derajat sosial ini terutama dipengaruhi oleh tingkat pendapatan dan jenis profesi atau sumber mata pencaharian para penerima Raskin. dilingkungan RT.04 RW.01 Kelurahan Sukmajaya merupakan sebuah pemerintahan level paling bawah pada suatu sistem pemerintahan yang terletak di Kecamatan Sukmajaya Depok. Warga di RT.04 RW.01 ini berasal dari berbagai daerah di Indonesia. Dengan jumlah Kepala Keluarga sebanyak 250 kepala keluarga (KK). Dalam pengambilan keputusan untuk menentukan kriteria keluarga miskin dibutuhkan http://creativecommons.org/licenses/by-nc/4.0/ P-ISSN: 2656-1743 E-ISSN: 2656-1735 JURNAL RISET INFORMATIKA Vol. 1, No. 3 Juni 2019 134 Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-NonKomersial 4.0 Internasional sebuah sistem informasi yang dapat membantu mengatasi kecurangan yang dilakukan oleh pihak tertentu dalam menentukan calon penerima raskin. Sistem pendukung keputusan merupakan bagian dari sistem informasi berbasis komputer yang mengatasi masalah ini. Sistem ini dapat mendukung pengambilan keputusan calon penerima raskin berdasarkan kriteria-kriteria yang telah ditentukan. Cara kerja sistem ini mencakup seluruh tahap pengambilan masalah, memilih data yang relevan dan menentukan pendekatan yang digunakan dalam proses pengambilan keputusan sampai pemecahan dan solusi masalah. Beras untuk keluarga miskin atau raskin merupakan program pemerintah dalam menanggulangi kemiskinan. Program raskin ini bertujuan untuk membantu kelompok miskin dan rentan miskin mendapat cukup pangan dan nutrisi karbohidrat tanpa terkendala (Marlaeni & Satria, 2017). Namun dalam pelaksanaan raskin ini banyak masalah, diantara masalah tersebut adalah pembagian beras yang salah sasaran (Septian, Bahri, & Makmur, 2013), untuk mengatasi masalah tersebut maka dibuat sebuah penelitian untuk mengembangkan suatu aplikasi komputer yang membantu mengambil sebuah keputusan. Subjek pada penelitian ini adalah aplikasi Sistem Pendukung Keputusan seleksi penerimaan raskin menggunakan metode Simple Additive Weighting (Suryeni, Agustin, & Nurfitria, 2015). Metode penggumpulan data dengan literatur, dokumentasi, wawancara. Tahap pengembangan aplikasi meliputi perancangan interface, analisis, pembuatan diagram konteks, diagram alir data, Entity Realationship Diagram, mapping table, rancangan tabel, perancangan menu dan antarmuka, implementasi dan pengujian, metode yang digunakan adalah metode Simple Additive Weighting dan pengujian sistem menggunakan blackbox test dan alpha test. Dari penelitian yang menghasilkan sebuah perangkat lunak sistem pendukung keputusan seleksi penerimaan raskin menggunakan metode Simple Additive Weighting dengan kemampuan dapat membantu menyeleksi warga berdasarkan kriteria-kriteria kondisi rumah, pekerjaan, penghasilan, jumlah tanggungan, asset pribadi. Informasi yang dihasilkan adalah warga layak dan tidak layak menerima beras. Hasil uji coba menunjukkan bahwa aplikasi ini layak dan dapat digunakan. (Rini dan Soyusiawaty 2014:2) Tujuan penelitian ini sebagai salah satu alternatif untuk membantu kepengurusan RT dalam menentukan keputusan terkait pemberian beras raskin bagi warga sesuai dengan syarat dan kriteria pengurus RT 04 RW.01 Kelurahan Sukmajaya Depok. Melakukan penilaian dari setiap kriteria untuk pemberian beras raskin. Menerapakan metode Simple Additive Weighting (SAW) dalam menentukan pemberian beras raskin untuk warga RT.04 RW.01 Kelurahan Sukmajaya Depok. Merancang suatu Sitem Pendukung Keputusan pemberian beras raskin yang memenuhi syarat dan kriteria dengan cepat dengan kebutuhan pengurus RT.04 RW.01 Kelurahan Sukmajaya Depok. METODE PENELITIAN A. Tahapan Penelitian Dalam hal ini akan diuraikan mengenai langkah langkah yang akan dilakukan untuk mendapatkan metodologi penlitian yang merupakan suatu tahapan yang harus diterapkan agar penilitian dapat dilakukan dengan terarah dan memudahkan dalam melakukan analisa terhadap permasalahan yang ada. Tahapan penelitian tentang Sistem Pendukung Keputusan Pemberian Beras Untuk Keluarga Miskin Dengan Metode Simple Additive Weighting (SAW) dijelaskan secara umum sebagai berikut: 1. Survey Literatur Dalam tahap ini peneliti melakukan pengumpulan bahan literatur dan informasi terkait. 2. Identifikasi Masalah Mengidentifikasi masalah yang akan dibahas, berkaitan dengan Sistem Pendukung Keputusan Pemberian Beras Untuk Keluarga Miskin Dengan Metode Simple Additive Weighting (SAW) sesuai dengan literature dan informasi yang diperoleh. 3. Studi Pustaka Peneliti mempelajari buku-buku, jurnal penelitian, dan e-book teori tentang sistem pendukung keputusan dan metode Simple Addictive weighting (SAW) yang akan digunakan sebagai kajian teori dalam penelitian. 4. Hipotesis Peneliti memiliki hipotesis awal, yaitu diduga dalam pengambilan keputusan dengan menggunakan Simple Additive Weighting (SAW) akan memberikan alternatif keputusan yang baik bagi pengurus RT.04/01 sehingga pengambilan keputusan tepat pada sasaran. 5. Menentukan Kriteria dan Sumber Data Peneliti menentukan kriteria-kriteria dari sistem pendukung keputusan metode menggunakan metode Simple Additive Weighting http://creativecommons.org/licenses/by-nc/4.0/ 13 5 JURNAL RISET INFORMATIKA Vol. 1, No. 3 Juni 2019 P-ISSN: 2656-1743 E-ISSN: 2656-1735 135 Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-NonKomersial 4.0 Internasional (SAW) dalam menetukan pemberian raskin, diantaranya kepemilikan Kartu Keluarga Sehat (KKS), penghasilan, tempat tinggal, pendidikan, pola makan, dan kemampuan berobat. Kemudian menentukan data-data yang dibutuhkan berdasarkan populasi, sampel dan cara pengambilan sampel. Kemudian menentukan objek penelitian dan mempersiapkan alat pengumpulan data dengan menentukan dan menyusun alat ukur atau instrument penelitian yang akan digunakan dalam penelitian ini yaitu berupa skala model guttman. 6. Observasi Lapangan dan Perijinan Peneliti secara langsung datang ke salah satu lingkungan Rukun Tetangga, yaitu RT.04 RW.01 di Depok dan meminta ijin kepada pihak-pihak terkait dan berwenang. 7. Mengumpulkan Data Peneliti mengumpulkan data-data dan melakukan wawancara mengenai hal- hal yang berkaitan dengan penlitian. 8. Analisis Data Peneliti menganalisa dan mengolah data quesioner, serta menentukan bobot- bobot dari masing-masing kriteria. 9. Menarik Kesimpulan Peneliti mengambil suatu kesimpulan berdasarkan analisis data-data yang terdapat pada bab-bab sebelumnya dan diperiksa apakah kesimpulan sesuai dengan hipotesis, maksud dan tujuan penelitian. Selain itu juga memberikan saran yang dapat digunakan sebagai masukan bagi pengurus RT terkait untuk dapat dimanfaatkan lebih lanjut. B. Instrument Penelitian Adapun jenis instrument yang digunakan dalam penilitian ini, yaitu ; a. Observasi Metode ini diterapkan dengan mendatangi obyek lingkungan Rukun Tetangga, yaitu salah satu pengurus RT.04/01 di Depok untuk mendapatkan data-data yang dibutuhkan. b. Wawancara Pengumpulan data dengan cara wawancara adalah suatu usaha untuk mengumpulkan informasi dengan mengajukan beberapa pertanyaan secara lisan kepada pengurus RT.04/01. c. Studi Pustaka Metode ini dilaksanakan dengan melakukan studi kepustakaan melalui membaca buku-buku, jurnal penelitian sejenis e-book yang dapat mendukung penulisan skripsi ini, yaitu yang menjelaskan tetntang Sistem Pendukung Keputusan (SPK) dengan menggunakan metode Simple Additive Weighting (SAW). d. Quesioner Pengumpulan data dengan cara mengumpulkan angket yang telah diisi oleh narasumber yang bertujuan untuk mendapatkan data yang akan digunakan dalam penerapan Metode Simple Additive Weghting. C. Metode Pengumpulan Data, Populasi dan Sampel Penelitian 1. Metode Pengumpulan Data Metode pengumpulan data yang dilakukan peneliti terbagi menjadi 2 cara, yaitu: a. Dengan melakukan observasi langsug, wawancara, dan questioner untuk mendapatkan data primer. b. Data sekunder berasal dari mengumpulkan dan mengidentifikasi serta mengolah data tertulis berbentuk buku-buku dan jurnal yang berkaitan dengan penilitian. 2. Populasi dan Sampel Penelitian Menurut Sugiyono (2008: 80) “Populasi adalah wilayah generalisasi yang terdiri: obyek/subyek yang mempunyai kualitas dan karakteristik tertentu yang ditetapkan oleh penenliti untuk dipelajari dan kemudian ditarik kesimpulannya.” Menurut Sugiyono (2008: 81) “Teknik sampling adalah teknik pengambilan sampel. Untuk menentukan sampel yang akan digunakan dalam penelitian.” Dalam Penelitian ini, peneliti melakukan observasi dan wawancara langsung kepada pengurus RT.04 RW.01 di Depok. Populasi yang diambil adalah warga sebanyak 50 orang. Dari populasi tersebut akan diambil 42 sampel. HASIL PENELITIAN DAN PEMBAHASAN Tabel dibawah merupakan isi kuisioner dimana setiap item instrumen nilai tersebut diambil dari skala rating. Tabel 1. Variabel skala kriteria No DATA C1 C2 C3 C4 C5 1 Aryana SB SB SB TB SB 2 Henandar TB SB SB TB SB http://creativecommons.org/licenses/by-nc/4.0/ P-ISSN: 2656-1743 E-ISSN: 2656-1735 JURNAL RISET INFORMATIKA Vol. 1, No. 3 Juni 2019 136 Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-NonKomersial 4.0 Internasional No DATA C1 C2 C3 C4 C5 3 Karmadi SB SB SB TB SB 4 Miftahudin TB SB SB TB SB 5 Malik TB SB SB SB SB 6 Rendi TB SB SB SB SB 7 Kartija TB SB SB TB SB 8 Delfi Efendi SB SB SB TB SB 9 Deni TB SB SB SB SB 10 Gunarso TB SB SB TB SB 11 Sunandar TB SB SB TB SB 12 Bram SB SB SB TB SB 13 Deden SB SB TB TB SB 14 Agus TB TB TB TB SB 15 Munawar SB SB TB TB SB 16 Abdul Majid TB TB SB SB SB 17 Suryani SB SB TB TB SB 18 Sairin TB TB SB TB SB 19 Heriansyah TB SB SB SB SB 20 Ayat TB SB TB TB SB 21 Jaka Wahyudin TB SB TB TB SB 22 Amran TB TB TB TB SB 23 Subeki TB SB SB SB SB 24 Syahroni TB TB SB SB SB 25 M Idris TB SB TB SB SB 26 Sukriyah SB SB SB SB SB 27 Sarinah SB SB SB SB SB 28 Imbron TB TB TB SB SB 29 Dimas SB TB SB TB SB 30 Zarkoni SB SB SB TB SB 31 Bambang S R SB SB TB TB SB 32 Ridwan SB SB SB TB SB 33 Adi Gunawan SB SB TB TB SB 34 Marhadi SB SB SB TB SB 35 Nenih SB SB SB TB SB 36 Udin SB SB TB TB SB 37 Mat Amin SB SB TB TB SB 38 Homsyah SB SB SB TB SB 39 Yati Aryati SB SB SB TB SB 40 Dian jauhari SB TB TB TB SB 41 Oktorizal SB SB TB SB SB 42 Toriq SB TB TB TB SB Data Matrik X Tabel dibawah ini merupakan data matriks dimana setiap kriteria didapat dari rekap kuisioner diubah ke bilangan fuzzy berdasarkan nilai bobot yang telah ditentukan. Tabel 2. Matriks Persamaan No Data Matriks Bobot Fuzzy C1 C2 C3 C4 C5 1 Aryana 1 1 1 0.25 1 2 Henandar 0,25 1 1 0.25 1 3 Karmadi 1 1 1 0.25 1 4 Miftahudin 0.25 1 1 0.25 1 5 Malik 0.25 1 1 1 1 6 Rendi 0.25 1 1 1 1 7 Kartija 0.25 1 1 0.25 1 8 Delfi Efendi 1 1 1 0.25 1 9 Deni 0.25 1 1 1 1 10 Gunarso 0.25 1 1 0.25 1 11 Sunandar 0.25 1 1 0.25 1 12 Bram 1 1 1 0.25 1 13 Deden 1 1 0.25 0.25 1 14 Agus 0.25 0.25 0.25 0.25 1 No Data Matriks Bobot Fuzzy C1 C2 C3 C4 C5 15 Munawar 1 1 0.25 0.25 1 16 Abdul Majid 0.25 0.25 1 1 1 17 Suryani 1 1 0.25 0.25 1 18 Sairin 0.25 0.25 1 0.25 1 19 Heriansyah 0.25 1 1 1 1 20 Ayat 0.25 1 0.25 0.25 1 21 Jaka Wahyudin 0.25 1 0.25 0.25 1 22 Amran 0.25 0.25 0.25 0.25 1 23 Subeki 0.25 1 1 1 1 24 Syahroni 0.25 0.25 1 1 1 25 M Idris 0.25 1 0.25 1 1 26 Sukriyah 1 1 1 1 1 27 Sarinah 1 1 1 1 1 28 Imbron 0.25 0.25 0.25 1 1 29 Dimas 1 0.25 1 0.25 1 30 Zarkoni 1 1 1 0.25 1 31 Bambang S R 1 1 0.25 0.25 1 32 Ridwan 1 1 1 0.25 1 33 Adi Gunawan 1 1 0.25 0.25 1 34 Marhadi 1 1 1 0.25 1 35 Nenih 1 1 1 0.25 1 36 Udin 1 1 0.25 0.25 1 37 Mat Amin 1 1 0.25 0.25 1 38 Homsyah 1 1 1 0.25 1 39 Yati Aryati 1 1 1 0.25 1 40 Dian jauhari 1 0.25 0.25 0.25 1 41 Oktorizal 1 1 0.25 1 1 42 Toriq 1 0.25 0.25 0.25 1 Perhitungan Ai 𝑟𝑖 = { 𝑋𝑖𝑗 𝑀𝑎𝑥 𝑋𝑖𝑗 𝑗𝑖𝑘𝑎 𝑗 𝑎𝑑𝑎𝑙𝑎ℎ 𝑎𝑡𝑟𝑖𝑏𝑢𝑡 𝑘𝑒𝑢𝑛𝑡𝑢𝑛𝑔𝑎𝑛 (𝑏𝑒𝑛𝑒𝑓𝑖𝑡) 𝑀𝑖𝑛 𝑋𝑖𝑗 𝑋𝑖𝑗 𝑗𝑖𝑘𝑎 𝑗 𝑎𝑑𝑎𝑙𝑎ℎ 𝑎𝑡𝑟𝑖𝑏𝑢𝑡 𝑏𝑖𝑎𝑦𝑎 (𝑐𝑜𝑠𝑡) 𝑋𝑖𝑗 ..................... (1) Dimana dengan rij adalah rating kinerja ternormalisasi dari alternatif Ai pada atribut Cj : i = 1,2…,m dan j = 1,2…,n Keterangan : Max Xij = Nilai terbesar dari setiap kriteria i Min Xij = Nilai terbesar dari setiap kriteria i. X ij = Nilai atribut yang dimiliki dari setiap kriteria. Benefit = Jika nilai terbesar adalah terbaik. Cost = Jik nilai terkecil adalah terbaik. http://creativecommons.org/licenses/by-nc/4.0/ 13 7 JURNAL RISET INFORMATIKA Vol. 1, No. 3 Juni 2019 P-ISSN: 2656-1743 E-ISSN: 2656-1735 137 Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-NonKomersial 4.0 Internasional R ( 1 0.25 1 0.25 0.25 1 1 1 1 1 1 1 1 1 1 0.25 1 1 0.25 1 0.25 0.25 0.25 1 1 0.25 1 0.25 0.25 0.25 0.25 0.25 0.25 0.25 0.25 0.25 0.25 1 1 0.25 1 1 1 1 1 1 1 0.25 1 0.25 1 0.25 1 0.25 1 1 1 0.25 1 0.25 1 1 1 0.25 0.25 1 1 1 1 1 1 1 0.25 0.25 0.25 1 0.25 1 1 0.25 0.25 0.25 1 1 0.25 1 1 0.25 1 1 0.25 0.25 0.25 0.25 1 1 0.25 0.25 1 0.25 1 1 1 1 1 1 1 1 1 1 0.25 1 0.25 0.25 0.25 0.25 1 0.25 0.25 1 0.25 0.25 0.25 1 1 1 1 1 1 0.25 0.25 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1) Normalisasi R R = ( 1 1 1 1 1 1 1 1 1 1 0.25 1 0.25 1 1 1 1 0.25 1 1 1 1 1 1 1 1 1 0.25 1 0.25 0.25 1 1 0.25 0.25 0.25 0.25 0.25 0.25 1 0.25 0.25 0.25 0.25 0.25 0.25 1 1 1 1 1 1 1 1 1 1 1 1 0.25 1) Hasil dari normalisasi diatas selanjutnya dikalikan dengan bobot kriteria sesuai jenjangnya : Bobot Vektor = [1 : 0,75 : 0,5 : 0,25 : 0,25] Hasil Vektor 𝑉𝑖 = ∑ 𝑤𝑗𝑟𝑖𝑗 𝑛 𝑗=1 ..................................................................... (2) Nilai Preferensi untuk setiap alternatif (Vi) diberikan rumus sebagai berikut, Dimana : Vi = Rangking untuk setiap alternatif. Wj = Nilai bobot rangking (dari setiap kriteria). rij = Nilai rating kinerja ternormalisasi. Berdasarkan hipotesis pengambilan keputusan dengan menggunakan Simple Additive Weighting (SAW) akan memberikan alternative keputusan yang baik bagi pengurus RT.04 RW.01 sehingga pengambilan keputusan tepat pada sasaran. Hasil penelitian dari metode Simple Additive Weighting (SAW) yang telah diperhitungkan dapat disimpulkan bahwa pemberian raskin diberikan kepada dengan hasil Tabel 3. Tabel Rangking ID NAMA Rangking ID NAMA Rangking 101 Aryana 2.56 122 Amran 0.87 102 Henandar 1.81 123 Subeki 2 103 Karmadi 2.56 124 Syahroni 1.43 104 Miftahudin 1.81 125 M Idris 1.52 105 Malik 2 126 Sukriyah 2.75 106 Rendi 2 127 Sarinah 2.75 107 Kartija 1.81 128 Imbron 1.06 108 Delfi Efendi 2.56 129 Dimas 2 109 Deni 2 130 Zarkoni 2.56 110 Gunarso 1.81 131 Bambang S R 2.18 111 Sunandar 1.81 132 Ridwan 2.56 112 Bram 2 133 Adi Gunawan 2.18 113 Deden 2.18 134 Marhadi 2.75 114 Agus 0.875 135 Nenih 2.56 115 Munawar 2.18 136 Udin 2.18 116 Abdul Majid 1.43 137 Mat Amin 2.18 117 Suryani 2.18 138 Homsyah 2.56 118 Sairin 1 139 Yati Aryati 2.56 119 Heriansyah 2 140 Dian jauhari 1.62 120 Ayat 1.43 141 Oktorizal 2.37 121 Jaka Wahyudin 1.43 142 Toriq 1.62 Tabel 4. Tabel rangking terbaik Id No Nama Rangking Id No Nama Rangking 126 1 Sukriyah 2.75 136 16 Udin 2.18 127 2 Sarinah 2.75 137 17 Mat Amin 2.18 134 3 Marhadi 2.75 105 18 Malik 2 101 4 Aryana 2.56 106 19 Rendi 2 103 5 Karmadi 2.56 109 20 Deni 2 108 6 Delfi Efendi 2.56 112 21 Bram 2 130 7 Zarkoni 2.56 119 22 Heriansyah 2 132 8 Ridwan 2.56 123 23 Subeki 2 138 9 Homsyah 2.56 129 24 Dimas 2 139 10 Yati Aryati 2.56 102 25 Henandar 1.81 141 11 Oktorizal 2.37 104 26 Miftahudin 1.81 113 12 Deden 2.18 110 27 Gunarso 1.81 117 13 Suryani 2.18 111 28 Sunandar 1.81 131 14 Bambang S R 2.18 140 29 Dian jauhari 1.62 133 15 Adi Gunawan 2.18 142 30 Toriq 1.62 http://creativecommons.org/licenses/by-nc/4.0/ P-ISSN: 2656-1743 E-ISSN: 2656-1735 JURNAL RISET INFORMATIKA Vol. 1, No. 3 Juni 2019 138 Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-NonKomersial 4.0 Internasional KESIMPULAN Berdasarkan hasil penelitian dan pembahasan dapat diambil kesimpulan bahwa sistem pendukung keputusan ini dibangun utuk membantu dalam pemberian raskin dilingkungan RT.04 RW.01 Sukmajaya Depok dengan menggunakan metode, yaitu metode Simple Additive Weighting (SAW) yang dapat mempercepat proses menentukan pemberian raskin dengan perhitungan yang akurat. Hasil penelitian dari metode Simple Additive Weighting (SAW) yang telah diperhitungkan dapat disimpulkan bahwa pemberian Raskin diberikan kepada Sukriyah dengan hasil 2.75. Penelitian dapat dikembangkan lebih lanjut dengan krtiria-kriteria yang berbeda sesuai dengan kriteria dan bobot yang ditentukan untuk menyelesaikan permasalan-permasalahan sosial lainnya. REFERENSI Angrawati, D., Angrawati, D., Yamin, M., & Ransi, N. (2016). SISTEM PENDUKUNG KEPUTUSAN MENENTUKAN JUMLAH BERAS MISKIN MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHT (SAW). SemanTIK, 2(1). Retrieved from http://ojs.uho.ac.id/index.php/semantik/arti cle/view/712 Handayani, H. (2016). SISTEM PENDUKUNG KEPUTUSAN UNTUK PENERIMAAN RASKIN (BERAS MISKIN) DI DESA TANGGUL KUNDUNG MENGGUNAKAN METODE SAW. Kediri. Retrieved from http://simki.unpkediri.ac.id/mahasiswa/file_ artikel/2016/11.1.03.03.0117.pdf Marlaeni, N. U., & Satria, F. (2017). SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN PENERIMA RASKIN (BERAS UNTUK RAKYAT MISKIN) MENGGUNAKAN METODE SAW (Studi Kasus: Desa Cabang Empat Kec. Abung Selatan Kab. Lampung Utara). PROCIDING KMSI, 5(1). Retrieved from http://ojs.stmikpringsewu.ac.id/index.php/p rocidingkmsi/article/view/450 Rini, A. S., & Soyusiawaty, D. (2014). SISTEM PENDUKUNG KEPUTUSAN SELEKSI PENERIMAAN BERAS UNTUK KELUARGA MISKIN DENGAN METODE SIMPLE ADDITIVE WEIGHTING. JSTIE (Jurnal Sarjana Teknik Informatika) (E-Journal), 2(2), 121– 130. https://doi.org/10.12928/JSTIE.V2I2.2728 Septian, M. D., Bahri, T. S., & Makmur, T. (2013). Analisis Efektivitas Dan Efisiensi Distribusi Beras Miskin (Raskin) Di Kecamatan Trienggadeng Kabupaten Pidie Jaya. Jurnal Agrisep, 14(1), 70–78. Retrieved from http://www.jurnal.unsyiah.ac.id/agrisep/art icle/view/910 Suryeni, E., Agustin, Y. H., & Nurfitria, Y. (2015). Sistem Pendukung Keputusan Kelayakan Penerimaan Bantuan Beras Miskin Dengan Metode Weighted Product Di Kelurahan Karikil Kecamatan Mangkubumi Kota Tasikmalaya. Proceedings Konferensi Nasional Sistem Dan Informatika (KNS&I), 0(0). Retrieved from http://ejournal.stikom- bali.ac.id/index.php/knsi/article/view/488 Widiarsih, D. (1974). Pengaruh Sektor Komoditi Beras Terhadap Inflasi Bahan Makanan. Jurnal Sosial Ekonomi Pembangunan, 2(6), 244–256. Retrieved from https://ejournal.unri.ac.id/index.php/JSEP/a rticle/view/863 http://creativecommons.org/licenses/by-nc/4.0/