SISTEM PENDUKUNG KEPUTUSAN
MENENTUKAN PERINGKAT BALITA SEHAT
MENGGUNAKAN METODE AHP DAN TOPSIS
Aisyah Aqilah Rian Vania1.
Asmunin2 Program Studi Manajemen Informatika.
Universitas Negeri Surabaya 21002@mhs.
2asmunin@unesa.
AbstrakAi Masa balita merupakan fase penting dalam pertumbuhan anak yang membutuhkan perhatian khusus, termasuk pemantauan kesehatan secara rutin.
Posyandu Keluarga Teratai selama ini masih menggunakan pencatatan manual melalui Buku KIA, yang dinilai kurang efektif dan rawan Untuk mengatasi hal tersebut, dikembangkan sistem penilaian balita sehat dengan metode AHP untuk menentukan bobot kriteria dan TOPSIS untuk pemeringkatan.
Hasil AHP menunjukkan bahwa Berat Badan memiliki bobot tertinggi .
, dengan rasio konsistensi 0,095.
Metode TOPSIS digunakan untuk menentukan peringkat balita berdasarkan solusi ideal, menghasilkan 23 balita sehat, 2 butuh perhatian, dan 3 butuh Sistem ini diuji menggunakan Black Box Testing dengan hasil akurasi 100%, yang menunjukkan bahwa seluruh fungsinya berjalan dengan baik.
Diharapkan sistem ini membantu kader posyandu dalam pemantauan serta meningkatkan kesadaran orang tua.
Kata kunciAi Sistem Pendukung Keputusan.
Posyandu.
Balita Sehat.
Analytical Hierarchy Process (AHP).
Technique for Order of Preference by Similarity to Ideal Solution (TOPSIS) AbstrackAi The toddler period is an important phase in child growth that requires special attention, including routine health Posyandu Keluarga Teratai has been using manual recording through the KIA Book, which is considered less effective and prone to errors.
To overcome this, a healthy toddler assessment system was developed using the AHP method to determine the weight of the criteria and TOPSIS for ranking.
AHP results show that Body Weight has the highest weight .
, with a consistency ratio of 0.
The TOPSIS method is used to rank toddlers based on the ideal solution, resulting in 23 healthy toddlers, 2 need attention, and 3 need handling.
The system was tested using Black Box Testing with 100% accuracy, indicating that all functions run It is hoped that this system will help posyandu cadres in monitoring and increasing parental awareness.
KeywordsAi Decision Support System.
Posyandu.
Healthy Toddlers.
Analytical Hierarchy Process (AHP).
Technique for Order of Preference by Similarity to Ideal Solution (TOPSIS) PENDAHULUAN Balita adalah seseorang atau kelompok orang dalam populasi dalam rentang usia tertentu.
Kategori usia balita terdiri dari tiga kelompok: bayi .
ari usia 0 hingga 2 tahu.
, batita .
ari usia 2 hingga 3 tahu.
, dan anak prasekolah .
ari usia 3 hingga 5 tahu.
Sementara itu, menurut WHO, balita adalah anak-anak dengan usia antara 0 hingga 60 bulan .
Pertumbuhan balita begitu pesat sehingga memberikan perawatan kesehatan dan pola makan yang seimbang dapat membantu balita untuk bertumbuh kembang secara optimal .
Posyandu Keluarga Teratai yang bertempat di RW 04 Kelurahan Wonokromo Kota Surabaya memiliki beberapa cluster salah satunya yaitu cluster balita.
Kader posyandu memeriksa pertumbuhan balita setiap bulan, mengukur berat badan, tinggi, lingkar lengan, dan lingkar kepala.
Setelah melakukan pengecekkan kepada balita, kader posyandu mengisi hasil pada buku KIA (Kesehatan Ibu dan Ana.
dan data pada buku KIA tersebut akan dicatat di buku laporan.
Sistem administrasi pencatatan laporan di Posyandu Keluarga Teratai masih manual yaitu dengan ditulis tangan pada buku dan beberapa selembaran kertas.
Kader posyandu dapat memantau perkembangan balita hanya melihat pada buku KIA saja selebihnya diserahkan ke pihak puskesmas.
Posyandu Keluarga Teratai berencana mengadakan peringkat balita sehat setiap bulannya agar dapat meningkatkan motivasi orang tua dalam tumbuh kembang Namun disayangkan, peringkat tersebut belum terlaksana karena kader posyandu kebingungan bagaimana cara menentukan peringkatnya.
Sebelumnya tidak ada sistem peringkat dikarenakan data laporan dibuat secara manual yang nantinya dengan cara mengurutkan dan membandingkan data sehingga membuang waktu dan ditakutkan terjadi kesalahan.
Berdasarkan permasalahan tersebut, dibutuhkan suatu sarana atau sistem untuk membantu para kader posyandu dalam memantau perkembangan balita di Posyandu Keluarga Teratai.
Peneliti membuat Sistem Pendukung Keputusan untuk Menentukan Peringkat Balita Sehat dengan menggunakan AHP dan TOPSIS.
Sistem ini dapat mengisi data selama kegiatan posyandu dan membantu menentukan peringkat balita sehat untuk laporan dengan menggunakan framework Laravel, yang membantu proses pengembangan aplikasi dan merupakan framework yang populer saat ini.
Selain itu, sistem ini menggunakan basis data MySQL, yang merupakan basis data gratis dan tidak berbayar .
Proses Hierarki Analitik (AHP), kedua metode yang digunakan, adalah yang paling umum digunakan untuk membagi dan menentukan prioritas setiap kriteria .
Selain menggunakan metode AHP, digunakan metode TOPSIS.
Konsep dari metode TOPSIS dapat dikatakan sederhana, mudah, efisien secara komputasi, dan memungkinkan untuk mengukur kinerja pilihan keputusan dengan perhitungan matematis sederhana .
Untuk pemeringkatan hasil, metode TOPSIS digunakan karena balita yang paling sehat berada di dekat solusi ideal positif.
Metode gabungan Analytical Hierarchy Process (AHP) dan TOPSIS digunakan karena keduanya dapat mengurangi pembobotan subjektif.
Oleh karena itu, pembobotan kriteria yang dihasilkan oleh AHP dan TOPSIS memudahkan Pengujian Black Box adalah pengujian sistem yang digunakan untuk memastikan bahwa program berjalan sesuai dengan persyaratan .
II.
METODE PENELITIAN
Sebagai contoh, ada beberapa langkah penelitian yang dilakukan peneliti untuk dimasukkan ke dalam Sistem Pendukung Keputusan untuk menentukan peringkat kesehatan balita di Posyandu Keluarga Teratai :
Pengumpulan Data Setelah mengidentifikasi masalah, langkah selanjutnya adalah mengumpulkan berbagai informasi.
Pada tahap ini, peneliti mengumpulkan informasi melalui dua teknik, yaitu :
Observasi Observasi yaitu teknik pengumpulan data dengan mengamati objek penelitian.
Tujuannya mendapatkan data yang bersumber langsung dari lapangan.
Observasi dilakukan dengan mengamati kegiatan balita di Posyandu Keluarga Teratai.
Wawancara Wawancara merupakan proses pengambilan informasi dari narasumber terkait.
Untuk mengumpulkan data yang peneliti melakukan wawancara secara bertatap muka dan melakukan sesi tanya jawab dengan para ahli dalam bidangnya dan yang bersangkutan terhadap studi kasus yang dimaksud.
Pada penelitian ini wawancara dilakukan bersama Ibu Mimien Bibiet selaku kader Posyandu Keluarga Teratai dan Ibu Septi Dwi Winarni.
Amd.
Gz selaku bidan puskesmas Posyandu Keluarga Teratai.
Desain Sistem Usecase Diagram Satu jenis diagram UML yang menjelaskan interaksi pengguna dengan sistem disebut "Usecase Diagram".
Tujuannya untuk merepresetasikan interaksi pengguna terhadap sistem dan untuk mengetahui batasan Ae batasan antara sistem dengan pengguna.
Gambar 1 Alur Penelitian Identifikasi Masalah Identifikasi masalah penelitian yang berarti mendefinisikan suatu masalah yang akan diteliti.
Maksud dari definisi ini adalah untuk mempertegas batasan masalah peneliti agar ruanglingkup penelitian tidak melebihi tujuan.
Dalam penelitian ini proses identifikasi masalah dilakukan melalui Dalam penelitian ini, identifikasi masalah dilakukan dengan menganalisis urgensi tentang kesehatan balita di posyandu terkait melalui beberapa penelitian terkait.
Hal ini untuk memastikan bahwa peringkat balita sehat berbasis website yang dirancang dan dibuat memang telah sesuai dan dapat digunakan dengan tepat.
Studi Literatur Studi literatur merupakan tahapan penelitian yang digunakan untuk mengumpulkan ide dan gagasan.
Pada penelitian ini peneliti menggunakan jurnal, buku, penelitian terdahulu, dan artikel terkait untuk mendukung argumentasi Sistem Pendukung Keputusan menentukan balita sehat berbasis website menggunakan metode AHP dan TOPSIS.
Gambar 2 Usecase Diagram Class Diagram Salah satu contoh diagram UML adalah class diagram, yang dapat menampilkan struktur sistem seperti class, atribut, metode, dan hubungan antar kelas.
Penerapan Metode AHP dan TOPSIS Sistem memulai dengan log in, kemudian memasukkan data kriteria .
riteria dan alternatifny.
Selanjutnya, metode Analytical Hierarchy Process (AHP) digunakan, dan terakhir, metode TOPSIS digunakan.
Hasil output nantinya berupa peringkat sehingga membantu kader posyandu dalam menentukan peringkat balita sehat.
Gambar 3 Class Diagram Implementasi Sistem Analisa Kebutuhan Fungsional Berikut merupakan analisa kebutuhan fungsional :
Sistem Dapat melakukan perhitungan dan peringkat data menentukan balita sehat .
Sistem dapat melakukan cetak laporan hasil .
Sistem dapat mengelola data balita .
Sistem dapat melakukan perhitungan metode AHP dan perhitungan metode TOPSIS .
Admin dapat melakukan login dan logout aplikasi .
Admin dapat memberi aksi dan melihat data .
Admin dapat memberi aksi dan melihat data .
Admin dapat memberi aksi dan melihat data sub .
Admin dapat memberi aksi dan melihat nilai bobot kriteria matriks perbandingan berpasangan .
Admin dapat melihat hasil perhitungan metode AHP .
Admin dapat melihat hasil perhitungan metode TOPSIS .
Orang Tua dapat melihat hasil peringkat .
Orang Tua dapat melakukan login dan logout .
Orang Tua dapat melihat hasil peringkat balita dan status kesehatan balita Gambar 4 Flowchart Metode AHP dan TOPSIS Pengujian Sistem Pengujian sistem ini dilakukan untuk memastikan bahwa semua fiturnya berjalan dengan lancar.
Pengujian sistem Black Box menguji aplikasi berdasarkan input dan output.
Pengujian dilakukan oleh admin yaitu kader Posyandu Keluarga Teratai dapat memberikan umpan balik terkait menggunakan sistem, dan apakah fungsi Ae fungsi yang ada membantu mereka dalam pengelolaan data dalam menentukan peringkat balita sehat, orang tua balita dapat mencari nama balita nya dan melihat hasil peringkat balita serta status kesehatan balitanya, dan pegawai puskesmas dapat melakukan pemantauan balita yang berada di Posyandu Keluarga Teratai.
Pengujian ini menggunakan uji akurasi.
Pengujian akurasi dilakukan untuk menguji tingkat keakurasian sistem dengan perbandingan perhitungan sistem dan perhitungan manual.
Analisa Kebutuhan Non Fungsional Sehingga sistem menjadi lebih akurat dengan adanya uji Ini adalah analisis dari kebutuhan yang non-fungsional : akurasi.
Hanya pengguna yang telah terdaftar dan i.
HASIL DAN PEMBAHASAN
melakukan login yang dapat mengakses sistem.
Sistem harus dilengkapi dengan dokumen A.
Implementasi Metode AHP dan TOPSIS panduan pengguna sistem agar memudahkan Implementasi perhitungan metode AHP dan TOPSIS pengguna dalam menggunakan sistem.
dilakukan untuk menentukan peringkat balita sehat di .
User Interface pada sistem dibuat se simple posyandu teratai.
mungkin agar mudah digunakan kader posyandu sebagai admin.
Menyusun struktur hierarki pada setiap kriteria
Tabel 1 Struktur Hierarki Kriteria Peringkat Balita Sehat
Kode
Kriteria
Berat Badan
Tinggi Badan
Lingkar
Lengan Atas Lingkar
Kepala
Imunisasi
Asupan Gizi
Sub Kriteria
Gemuk ( 2 SD) Normal (- 2 SD sampai 2 SD) Kurus (< -2 SD sampai -3 SD) Sangat Kurus (< - 3 SD) Sesuai Standar Usia
Diatas Standar Usia
Dibawah Standar Usia
Memenuhi Standar
Lebih Dari Standar
Kurang Dari Standar
Lebih Dari Standar
Memenuhi Standar
Kurang Dari Standar
Lengkap Sesuai Usia
Tidak Lengkap Belum Imunisasi
Lebih Dari Standar
Memenuhi Standar
Kurang Dari Standar
Bobot
Kriteria
Jumlah Terhadap Nilai 5,000 2,000 1,000 0,500 19,50 2,000 2,000 2,000 1,000 15,00 Menghitung normalisai matriks dan matriks konsistensi
yaitu Weighted Sum Vector
Ratarata
0,322
0,228
0,179
0,144
1,000
Jumlah 0,542 0,323 0,260 0,256 0,181 0,323 0,260 0,154 0,090 0,161 0,260 0,256 0,090 0,081 0,130 0,256 Matriks Ternormalisasi Menghitung nilai eigen maksimal 0,200 0,333 0,133 0,133 1,930 1,367 1,076 0,865 Jumlah max = .
,867x0,.
,533x0,.
,200x0,.
,700x0,.
,500x0,.
,000x0,.
= 6,591 Menghitung CI (Consistency Inde.
CI = .
ax - .
CI = .
,944 - .
CI = 0,591 / 5
CI = 0,118
Menghitung CR (Consistency Rati.
CR = CI / RI
CR = 0,118 / 1,24
CR = 0,095 < 0,1 (Konsiste.
Buat matriks keputusan yang menggabungkan semua bobot alternatif
Tabel 5 Matriks Keputusan Membuat matriks berpasangan berdasarkan skala yang Tabel 3 Matriks Berpasangan Kriteria
2,000
1,000
0,200
0,500
7,700
0,349
0,116
0,174
0,174
Tabel 2 Skala Kepentingan Setiap Kriteria
Kriteria
1,000
0,500
0,200
0,500
6,200
Nilai Eigen
Menyusun skala kepentingan pada masing-masing 0,500 0,500 0,333 0,200 5,533 Tabel 4 Normalisasi Matriks dan Matriks Konsistensi
0,500
0,500
0,200
0,333
2,867
1,000
0,333
3,000
1,000
2,000
2,000
2,000
2,000
5,000
3,000
3,000
5,000
Nama Balita K1 Ahmad Aldevano Annisa Ayyash Azzam Chairunisa DaniAoal Darren Elvano Freya Galang Godfrey Haidar Nama Balita K1 Izana Jesellin Althaf Alvin Rasya Nasya Naura Arsyila Salwa Serafina Syauqillah Firdaus Khaira Bilal Kinara Menormalisasi matriks topsis Tabel 6 Menormalisasi Matriks Nama Balita K1 Ahmad Aldevano Annisa Ayyash Azzam Chairunisa DaniAoal Darren Elvano Freya Galang Godfrey Haidar Izana Jesellin Althaf Alvin Rasya Nasya Naura Arsyila Salwa Serafina Syauqillah Firdaus Khaira Bilal Kinara Jumlah Hasil Membuat matriks ternormalisasi terbobot.
ini merupakan komponen penting dari integrasi teknik AHP dan TOPSIS
Tabel 7 Matriks Ternormalisasi Terbobot Nama Balita K1
0,192
Ahmad
Aldevano 0,144 0,192 Annisa
0,192
Ayyash
0,192
Azzam
Chairunisa 0,192 0,144 DaniAoal 0,192 Darren
0,192
Elvano
0,192
Freya
0,192
Galang
0,192
Godfrey
0,192
Haidar
0,192
Izana
0,192
Jesellin
0,192
Althaf
0,192
Alvin
0,192
Rasya
0,192
Nasya
0,192
Naura
0,192
Arsyila
0,192
Salwa
Serafina 0,192 Syauqillah 0,192 0,192 Firdaus
0,192
Khaira
0,192
Bilal
0,192
Kinara 0,201 0,201 0,201 0,201 0,151 0,151 0,201 0,201 0,101 0,201 0,201 0,201 0,201 0,201 0,201 0,201 0,201 0,201 0,101 0,201 0,201 0,201 0,201 0,151 0,151 0,201 0,201 0,201 0,189 0,189
0,189
0,189
0,189
0,189
0,189
0,189
0,189
0,189
0,189
0,189
0,189
0,189
0,189
0,189
0,189
0,189
0,189
0,189
0,189
0,189
0,189
0,189
0,189
0,189
0,189
0,189
0,190
0,190
0,190
0,190
0,190
0,190
0,190
0,190
0,190
0,143
0,190
0,190
0,190
0,190
0,190
0,190
0,190
0,190
0,190
0,190
0,190
0,190
0,190
0,190
0,190
0,190
0,190
0,190
0,106 0,213
0,212 0,213
0,212 0,213
0,159 0,107
0,212 0,107
0,212 0,107
0,106 0,213
0,212 0,107
0,106 0,213
0,159 0,107
0,212 0,213
0,212 0,213
0,212 0,213
0,106 0,107
0,212 0,213
0,212 0,213
0,212 0,213
0,212 0,213
0,212 0,213
0,212 0,213
0,212 0,213
0,106 0,213
0,212 0,107
0,212 0,213
0,212 0,213
0,106 0,107
0,159 0,213
0,212 0,213
Identifikasi solusi ideal positif dan negatif
Tabel 8 Solusi Ideal Positif
Solusi Ideal Positif
0,062
0,046
0,034
0,027
0,013
0,014
Tabel 9 Solusi Ideal Negatif
Solusi Ideal Negatif
0,046
0,023
0,034
0,021
0,007
0,007
Menghitung berapa jauh masing-masing alternatif dari solusi ideal positif dan negatif
Tabel 10 Jarak Solsi Ideal Positif dan Negatif
Nama Balita
Ahmad
Aldevano
Annisa
Ayyash
Azzam
Chairunisa
DaniAoal 0,015 0,015 0,000 0,010 0,013 0,013 0,021 0,030 0,030 0,033 0,030 0,026 0,026 0,025 Nama Balita
Darren
Elvano
Freya
Galang
Godfrey
Haidar
Izana
Jesellin
Althaf
Alvin
Rasya
Nasya
Naura
Arsyila
Salwa
Serafina
Syauqillah Firdaus
Khaira
Bilal
Kinara 0,007 0,027 0,013 0,000 0,090 0,000 0,017 0,000 0,000 0,000 0,000 0,023 0,000 0,000 0,015 0,007 0,012 0,013 0,020 0,007 0,000 0,032 0,019 0,029 0,033 0,033 0,033 0,029 0,033 0,033
0,033
0,033
0,024
0,033
0,033
0,030
0,032
0,027
0,026
0,021
0,031
0,033
Menghitung nilai alternatif preferensi Tabel 11 Nilai Preferensi Alternatif Nama Balita Ahmad Aldevano Annisa Ayyash Azzam Chairunisa DaniAoal Darren Elvano Freya Galang Godfrey Haidar Izana Jesellin Althaf Alvin Rasya Nasya Naura Arsyila Salwa Serafina Syauqillah Firdaus Khaira Bilal Kinara 0,829 0,610 1,000 0,784 0,600 0,600 0,595 0,806 0,429 0,737 1,000 1,000 1,000 0,763 1,000 1,000 1,000 1,000 0,452 1,000 1,000 0,829 0,806 0,647 0,647 0,763 0,909 1,000 Hasil nilai preferensi akan dilakukan pemeringkatan dari nilai terbesar ke terkecil.
Tabel 12 Peringkat Balita Sehat
Nama Balita
Annisa
Galang
Godfrey
Haidar
Jesellin
Althaf
Alvin
Rasya
Naura
Arsyila
Kinara Bilal
Ahmad
Salwa
Darren
Serafina
Ayyash
Izana
Khaira
Freya
Syauqillah Firdaus
Aldevano
Peringkat
Keterangan 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 0,909 0,829 0,829 0,806 0,806 0,784 0,763 0,763 0,737 0,647 0,647 0,610 Azzam
0,600
Chairunnisa
0,600
DaniAoal 0,595 Nasya
0,452
Elvano
0,429
Sehat Sehat Sehat Sehat Sehat Sehat Sehat Sehat Sehat Sehat Sehat Sehat Sehat Sehat Sehat Sehat Sehat Sehat Sehat Sehat Sehat Sehat Sehat Butuh Perhatian Butuh Perhatian Butuh Penanganan Butuh Penanganan Butuh Penanganan Tabel 13 Matriks dan Status Keterangan Balita Status Kesehatan Sehat Butuh Perhatian Butuh Penanganan Keterangan > 0,600 = 0,600 < 0,600 Berdasarkan hasil perhitungan metode AHP dan TOPSIS terdapat data balita sebanyak 28 balita, 23 dengan status keterangan sehat, 2 balita dengan status keterangan butuh perhatian, dan 3 balita dengan status keterangan butuh Implementasi Sistem Setelah melakukan rancangan penelitian dan pengumpulan data, selanjutnya, metode Analytical Hierarchy Process (AHP)-TOPSIS akan diterapkan pada sistem.
Halaman Hasil Perhitungan AHP dan TOPSIS Pada halaman ini hasil data perhitungan AHP dan TOPSIS yang telah dihitung oleh sistem.
Admin dan orang tua dapat melihat keseluruhan hasil perhitungan AHP dan TOPSIS berdasarkan periode perbulan.
Informasi yang disajikan yaitu bobot perhitungan AHP lalu matriks keputusan, matriks normalisasi, matriks terbobot, dan solusi ideal perhitungan TOPSIS.
Halaman Login Admin Tabel 14 Pengujian Sistem Halaman Login Admin Gambar 5 Halaman Hasil Perhitungan AHP dan TOPSIS Halaman Peringkat Balita Sehat Pada halaman ini merpakan halaman peringkat balita sehat yang terdapat pada tampilan dashboard admin dan tampilan orang tua.
Tampilan ini berasal dari perhitngan nilai preferensi metode TOPSIS.
Admin dan orang tua dapat melihat hasil peringkat balita sehat setiap bulannya.
Hasil Yang Diharapkan Input email dan password dengan benar lalu klik Sistem diarahkan ke Dashboard Sistem harus diisi Sistem bahwa email Sistem password yang Input email tanpa klik masuk Input dengan salah lalu klik masuk Input dengan salah lalu klik masuk Hasil Berhasil Berhasil Berhasil Berhasil Halaman Login Orang Tua Tabel 15 Pengujian Sistem Halaman Login Orang Tua Gambar 6 Halaman Peringkat Balita Sehat Pengujian Sistem Pengujian Black Box Testing Metode Black Box Testing, jenis pengujian yang berfokus pada elemen tampilan dan fungsi yang ada di dalam website, digunakan untuk menguji sistem.
Terdapat 3 penguji yaitu Kader Posyandu.
Ahli Gizi Puskesmas, dan Orang Tua Balita.
Skenario Pengujian Skenario Pengujian Hasil Yang Diharapkan Input email dan password dengan benar lalu klik Sistem diarahkan ke Dashboard Sistem harus diisi Sistem bahwa email Sistem Input email tanpa klik masuk Input dengan salah lalu klik masuk Input dengan salah lalu klik masuk Hasil Berhasil Berhasil Berhasil Berhasil No Skenario Pengujian Hasil Yang Diharapkan Hasil password yang Halaman Website Admin Tabel 16 Pengujian Sistem Halaman Website Admin Skenario Pengujian Hasil Yang Diharapkan Klik fitur pada fitur yang tersedia Sistem menerima input dan memproses untuk fitur yang Sistem Dashboard Sistem Data Orang Tua pada halaman Master Data Sistem menyimpan, dan Data Orang Tua Sistem Data Balita pada halaman Master Data Sistem menyimpan, dan Data Balita Sistem dapat Data Kriteria pada halaman MasterData Sistem menyimpan, dan Data Kriteria Sistem Data Sub Kriteria halaman Master Data Sistem Admin tampilan halaman Dashboard Admin Data Orang Tua pada halaman Master Data Admin menyimpan, dan hapus Data Orang Tua Admin Data Balita halaman Master Data Admin menyimpan, dan hapus Data Balita Admin Data Kriteria halaman Master Data Admin menyimpan, dan Data Kriteria Admin melihat Data Sub Kriteria halaman Master Data Admin Hasil Berhasil Berhasil Berhasil Skenario Pengujian Hasil Yang Diharapkan menyimpan, dan hapus Data Sub Kriteria Admin Data Pembobotan pada Pembobotan menyimpan, dan hapus Data Sub Kriteria Sistem Data Pembobotan pada halaman Pembobotan Sistem menyimpan, dan Data Pembobotan Sistem halaman Profil Sistem username dan password baru Admin menyimpan, dan Data Pembobotan Admin melihat halaman Profil Admin Hasil Berhasil Berhasil Berhasil Berhasil Halaman Website Orang Tua Tabel 17 Pengujian Sistem Halaman Website Orang Tua Berhasil Berhasil Skenario Pengujian Hasil Yang Diharapkan Orang tua dapat melihat tampilan Dashboard Orang Tua dapat Sistem Dashboard Sistem username dan password baru Hasil Berhasil Berhasil Berhasil Berdasarkan hasil pengujian sistem Black Box Testing yang dilakkan oleh 3 penguji menunjukkan bahwa seluruh fitur dan fungsi berjalan sesuai dengan kebutuhan atau bisa dikatakan berhasil.
Berhasil Berhasil Berhasil Pengujian Akurasi Pengujian akurasi dilakukan untuk mengevaluasi tingkat keakurasian sistem yang digunakan untuk perhitungan manual.
Rumus pengujian akurasi adalah sebagai berikut.
Akurasi = Data Uji Benar : Total Data Uji x 100% = 28 : 28 x 100% = 100% Hasil pengujian akurasi menunjukkan tingkat keakuratan sebesar 100%.
Tingkat akurasi dapat dinyatakan bahwa seluruh perhitungan yang telah dilakukan dapat digunakan sebagai rekomendasi menentukan peringkat balita sehat di Posyandu Keluarga Teratai oleh admin kader posyandu.
Berhasil a.
IV.
KESIMPULAN DAN SARAN
Kesimpulan Analisis kebutuhan, perancangan, implementasi, dan pengujian telah menyelesaikan perancangan dan pengembangan sistem.
Sistem diimplementasikan dengan framework Laravel dan manajemen basis data MySQL.
Sistem ini dilengkapi dengan fitur utama yang mendukung proses pengambilan keputusan dalam menentukan peringkat balita sehat.
Metode Black Box Testing digunakan untuk menguji sistem.
Hasilnya menunjukkan bahwa sistem telah berjalan sesuai dengan persyaratan fungsional pengguna.
Metode Analytical Hierarchy Process (AHP) digunakan untuk menghitung berat setiap kriteria
Ini memastikan bahwa berat yang dihasilkan sesuai dengan pentingnya masing-masing Hasil implementasi perhitungan metode AHP
Consistency Ratio
(CR)
menghasilkan nilai 0,095 yang menunjukkan bahwa nilai kurang dari 1 yaitu perbandingan antar kriteria bersifat konsisten.
Selanjutnya perhitungan metode TOPSIS digunakan untuk menghitung peringkat dari setiap alternatif yang menghasilkan 23 balita dengan status keterangan sehat, 2 balita dengan status keterangan butuh perhatian dan 3 balita dengan status keterangan butuh penanganan.
Saran Menurut hasil penelitian dan pengujian, kriteria dan subkriteria sistem ini fleksibel dan dapat diubah sesuai Dengan begitu, sistem ini tidak hanya cocok dipakai sekarang, tapi juga bisa terus digunakan ke depannya kalau ada perubahan indikator atau penilaian baru.
Saran lain, agar pengembangan sistem pada tahap selanjutnya menggunakan metode terbaru seperti kecerdasan buatan (Artificial Intelligence atau AI) untuk membantu meningkatkan ketepatan dan kecepatan dalam menentukan status kesehatan balita, contohnya Machine Learning yang dapat mengenali gambar atau bentuk tubuh balita melalui kamera.
REFERENSI