SISTEM INFORMASI KESEJAHTERAAN SOSIAL (SIKS)

BERBASIS WEB PADA DINAS SOSIAL PROVINSI

KALIMANTAN TENGAH
1

Ayunita Sulistiani Putri (NIM. DBC 108 058) - 2Nur Haeni (NIM. DBC 108 076)
Jurusan Teknik Informatika Fakultas Teknik Universitas Palangka Raya
Kampus Tunjung Nyaho Jl. Yos Sudarso Palangka Raya 73112
Email : 1ayunita.sulistiani@yahoo.com, 2nurhaeni030@gmail.com

ABSTRAK
Dinas Sosial Provinsi Kalimantan Tengah membutuhkan informasi
Penyandang Masalah Kesejahteraan Sosial (PMKS) dan Potensi dan Sumber
Kesejahteraan Sosial (PSKS) yang ada di wilayah Kalimantan Tengah. Keseluruhan
informasi yang dibutuhkan dikumpulkan dalam sebuah sistem informasi yang disebut
Sistem Informasi Kesejahteraan Sosial (SIKS) berbasis web.
Sistem informasi ini dibangun menggunakan metodologi waterfall. Dalam
perancangan dan pembuatannya digunakan PHP, html dan javaScript sebagai bahasa
pemrograman, AppServ sebagai web server, dan MySQL sebagai database server.
SIKS berbasis web menyediakan fasilitas web profil, penyimpanan data PMKS
dengan menggunakan metode klasifikasi Naive Bayes, penyimpanan data PSKS,
penyimpanan data rekomendasi calon penerima bantuan sosial yang diproses dengan
metode Analitycal Hierarchy Process (AHP), penyimpanan data calon penerima
bantuan sosial, dan penyimpanan data penerima bantuan sosial.
Kata-kata kunci : Sistem Informasi, Website, Analytical Hierarchy Process (AHP),
Naive Bayes, Penyandang Masalah Kesejahteraan Sosial (PMKS),
Potensi dan Sumber Kesejahteraan Sosial (PSKS)

ABSTRACT
The Social Department in Central Kalimantan needed information about
People with Social Welfare Issues (PSWI) and Potential and Social Welfare Sources
(PSWS) in Central Kalimantan. All information needed were collected in an
information system called web-based Information System of Social Welfare (ISSW).
This information system was built by waterfall methodology. In the process of
designing and making used PHP, html and javaScript as a programming language,
AppServ as web server, and MySQL as database server.
Web-based ISSW provided the facility of profile web, PSWI data storage with
Classification Nave Bayes Method, PSKS data storage, data storage of
recommendation of candidate social aid recipient was processed using Analitycal
Hierarchy Process (AHP) Method, data storage of candidate social aid recipient and
data storage of social aid recipient.
Key Words : Information System, Website, Analytical Hierarchy Process (AHP), Naive
Bayes Classification, People with Social Welfare Issues (PSWI), Potential
and Social Welfare Sources (PSWS)

I. PENDAHULUAN
1.1. Latar Belakang
Website sebagai salah satu sarana
penunjang dalam sistem informasi dapat
memberikan hasil yang lebih untuk
output sebuah sistem.
Dinas Sosial Provinsi Kalimantan
Tengah memerlukan sistem informasi
berbasis web yang mampu mengelola
data serta menghasilkan informasi
berkaitan dengan Penyandang Masalah
Kesejahteraan
Sosial
(PMKS).
Ketersediaan data dan informasi PMKS
merupakan persoalan yang sangat
penting dilakukan karena data tersebut
diperlukan
untuk
merumuskan
kebijakan, program, dan kegiatan
pembangunan kesejahteraan sosial
secara menyeluruh.
Atas dasar ini, maka sangat
diperlukan suatu alat bantu yang dapat
melakukan pencatatan dan pemrosesan
seluruh data yang dibutuhkan secara
cepat, tepat, dan dengan mengutamakan
informasi
keluaran
yang
dapat
dipertanggungjawabkan akurasinya.
Untuk itulah penulis merancang
dan membangun suatu sistem informasi
yang berjudul Sistem Informasi
Kesejahteraan Sosial (SIKS) Berbasis
Web Pada Dinas Sosial Provinsi
Kalimantan Tengah.
1.2. Rumusan Masalah
Masalah yang dirumuskan oleh
penulis berdasarkan latar belakang yang
telah diuraikan tersebut adalah sebagai
berikut.
1. Bagaimana
merancang
dan
membangun suatu Sistem Informasi
Kesejahteraan Sosial (SIKS) berbasis
Web yang baik?

2. Bagaimana menerapkan Sistem

Informasi
Kesejahteraan
Sosial
(SIKS) berbasis Web pada Dinas
Sosial Provinsi Kalimantan Tengah?
1.3. Batasan Masalah
Dalam penyusunan Tugas Akhir
ini, perlu adanya ruang lingkup
masalah, maka dibuat batasan masalah
sebagai berikut.
1. Fitur yang disediakan dalam sistem
ini yaitu:
1) Web Profil
2) SIKS
2. Pengklasifikasian
jenis
PMKS
digunakan metode klasifikasi Naive
Bayes.
3. Untuk
menunjang
dalam
pengambilan
keputusan
calon
penerima bantuan digunakan metode
Analytic Hierarchy Process (AHP).
4. Perangkat lunak yang digunakan
adalah Apache Web Server, PHP,
Ajax, jQuery, dan untuk database
digunakan
MySQL
serta
memanfaatkan software pendukung
Adobe Dreamweaver CS5.
1.4. Tujuan dan Manfaat Penelitian
1.4.1. Tujuan
Pembuatan Sistem Informasi
Kesejahteraan Sosial (SIKS) Berbasis
Web Pada Dinas Sosial Provinsi
Kalimantan Tengah ini dibuat
dengan tujuan untuk merancang dan
membangun suatu Sistem Informasi
Kesejahteraan Sosial (SIKS) berbasis
Web pada Dinas Sosial Provinsi
Kalimantan Tengah.

1.4.2. Manfaat
Pembuatan Sistem Informasi
Kesejahteraan Sosial (SIKS) Berbasis
Web Pada Dinas Sosial Provinsi
Kalimantan Tengah ini diharapkan
dapat.
1. Membantu Dinas Sosial dalam
pengolahan
data
Penyandang
Masalah
Kesejahteraan
Sosial
(PMKS) dan Potensi Dan Sumber
Kesejahteraan Sosial (PSKS).
2. Memberikan informasi terkait PMKS
dan PSKS kepada Dinas Sosial dan
masyarakat melalui website yang
dibangun.

3.

4.
1.5. Metode Penelitian
Metodologi pengembangan yang
digunakan dalam pembuatan aplikasi ini
adalah
metode
pengembangan
Waterfall. Pada model ini terdapat 6
(enam) tahap adalah sebagai berikut.
1. Rekayasa
dan
Pemodelan
Sistem/Informasi
Pada
tahap
ini
dilakukan
pengumpulan
data-data
yang
dibutuhkan
dalam
pembuatan
perangkat lunak baik software
maupun hardware.
2. Analisis Kebutuhan Perangkat Lunak
Pada tahap ini dilakukan analisis
terhadap hal-hal yang dibutuhkan
dalam pembuatan perangkat lunak
yaitu
analisis
sistem
yang
digambarkan
dengan
flowmap,
analisis teknologi, analisis informasi
dengan mengumpulkan data-data
yang akan menunjang pembuatan
aplikasi, dan analisis pengguna.
Teknik pengumpulan data yang
dilakukan dalam pengembangan
sistem informasi, meliputi.

5.

6.

a. Studi Literatur
b. Wawancara
c. Observasi Langsung
Desain, adalah tahap penterjemahan
dari
keperluan-keperluan
yang
dianalisis dalam bentuk yang lebih
mudah dimengerti oleh pemakai
yaitu dengan cara menampilkan ke
dalam
model
objek
Unified
Modelling Language (UML) yang
terdiri dari Use Case Diagram,
Activity
Diagram,
Sequence
Diagram dan Class Diagram. Pada
model ini terdapat navigasi sistem
berupa Web Map.
Generasi Kode, adalah tahap
penterjemahan
data/pemecahanan
masalah software yang telah
dirancang
ke
dalam
bahasa
pemograman.
Pengujian, adalah tahap pengujian
terhadap program yang telah dibuat.
Selama proses code generation juga
harus dilakukan testing untuk
menguji
kesalahan-kesalahan
program maupun fungsi dari sistem.
Pengujian dilakukan dengan metode
black box dan white box. Dilakukan
juga pengujian sistem dengan
menghitung tingkat akurasi metode
klasifikasi Nave Bayes dan metode
AHP.
Pemeliharaan, merupakan bentuk
pemeliharaan perangkat lunak yang
telah dibuat. Pemeliharaan dilakukan
jika ada permintaan tambahan fungsi
sesuai dengan keinginan pemakai
ataupun adanya pertumbuhan dan
perkembangan baik perangkat lunak
maupun
perangkat
keras.

Pemodelan
Sistem/Informasi
Analisis

Desain

Kode

Test

Gambar 1.1. Model waterfall

(Sumber . Roger S. Pressman, 2001)
1. Mendefinisikan
masalah
dan
menentukan solusi yang diinginkan.
II. LANDASAN TEORI
2. Membuat struktur hirarki yang
2.1. AHP
Analytic
Hierarchy
Process
diawali dengan tujuan utama.
(AHP) merupakan
suatu model
3. Membuat
matrik
perbandingan
pendukung
keputusan
yang
berpasangan yang menggambarkan
dikembangkan oleh Thomas L. Saaty.
kontribusi relatif atau pengaruh
Model pendukung keputusan ini akan
setiap elemen terhadap tujuan atau
menguraikan masalah multi faktor atau
kriteria yang setingkat di atasnya.
multi kriteria yang kompleks menjadi
4. Melakukan
perbandingan
suatu hirarki.
berpasangan sehingga diperoleh
Menurut Saaty (1993), hirarki
jumlah
penilaian
seluruhnya
didefinisikan sebagai suatu representasi
sebanyak n x [(n-1)/2] buah,
dari sebuah permasalahan yang
dengan n adalah banyaknya elemen
kompleks
dalam
suatu
struktur
yang dibandingkan. Jika terdapat 5
multilevel dimana level pertama adalah
kriteria berarti penilaian dilakukan
tujuan, yang diikuti level faktor,
sebanyak 10 kali.
kriteria, sub kriteria, dan seterusnya ke
Skala perbandingan berpasangan dan
bawah hingga level terakhir dari
maknanya yang diperkenalkan oleh
alternatif. Dengan hirarki, suatu
Saaty adalah sebagai berikut.
masalah yang kompleks dapat diuraikan
ke dalam kelompok-kelompoknya yang
kemudian diatur menjadi suatu bentuk
hirarki sehingga permasalahan akan
tampak lebih terstruktur dan sistematis.
Dalam metode AHP dilakukan
langkah-langkah
sebagai
berikut
(Suryadi dan Ramdhani, 1998).

Intensitas
Kepentingan

Tabel 2.1. Skala perbandingan berpasangan

Keterangan
Penjelasan

Kedua
elemen
sama Dua elemen mempunyai pengaruh
pentingnya.
yang sama besar.
Elemen yang satu sedikit Pengalaman dan penilaian sedikit
lebih penting dari elemen menyokong
satu
elemen
3
yang lain.
dibandingkan
elemen
yang
lainnya
Elemen yang satu lebih Pengalaman dan penilaian sangat
penting dari elemen yang kuat menyokong satu elemen
5
lain.
dibandingkan
elemen
yang
lainnya.
Satu elemen jelas lebih Satu elemen yang kuat disokong
7
mutlak penting dari elemen dan dominan terlihat dalam
lainnya.
praktek.
Satu elemen mutlak penting Bukti yang mendukung elemen
dari elemen lainnya.
yang satu terhadap elemen lain
9
memiliki
tingkat
penegasan
tertinggi
yang
mungkin
menguatkan.
Nilai-nilai antara dua nilai Nilai ini diberikan bila ada dua
2, 4, 6, 8
pertimbangan
yang kompromi diantara 2 pilihan.
berdekatan
Jika aktivitas i mendapat 1 angka dibandingkan dengan aktivitas j,
Kebalikan
maka j memiliki nilai kebalikannya dibandingkan dengan nilai i.
5. Menghitung nilai eigen dan menguji
pada teorema Bayes. Ciri utama dari
konsistensinya. Jika tidak konsisten
Nave Bayes Classifier ini adalah
maka pengambilan data diulangi.
asumsi yang sangat kuat (naif) akan
6. Mengulangi langkah 3, 4, dan 5
independensi
dari
masing-masing
untuk seluruh tingkat hirarki.
kondisi/kejadian. Dasar dari metoda ini
7. Menghitung vektor eigen dari setiap
adalah Teorema Bayes. Pada teorema
matriks perbandingan berpasangan.
Bayes, bila terdapat dua kejadian yang
8. Memeriksa konsistensi hirarki.
terpisah (misalkan A dan B), maka
Yang diukur dalam AHP adalah rasio
teorema Bayes dirumuskan sebagai
konsistensi dengan melihat index
berikut.
( )
konsistensi. Walaupun sulit untuk
( | )
( | )
mencapai yang sempurna, rasio
( )
konsistensi diharapkan kurang dari
Dimana:
atau sama dengan 10%.
B
= data dengan class yang belum
diketahui
2.2. Nave Bayes Classifier
A
= hipotesis data B merupakan
Nave Bayes Classifier merupakan
suatu class spesifik
sebuah metoda klasifikasi yang berakar
P(A|B) = probabilitas hipotesis A
berdasar kondisi B (posterior
1

P(A)

probability)
= probabilitas hipotesis A (prior
probability)

P(B|A) = probabilitas B berdasar

kondisi pada hipotesis A
P(B) = probabilitas dari B

III. ANALISIS DAN DESAIN

3.1. Use case super admin
Mengubah struktur
organisasi
Mengubah visi dan misi
Mengubah
gambaran umum

Kelola struktur
organisasi

Kelola visi dan misi

Kelola gambaran
umum

Kelola profil
UPTD

Kelola profil
Mengubah
agenda

Menambah
agenda

Kelola agenda

Menambah
profil UPTD
Mengubah
profil UPTD
Menghapus
profil UPTD

Menghapus
agenda

Mengubah berita
Menghapus
Kelola berita
berita
Mengubah
Menambah foto
Menghapus
foto
foto
Menambah
Mengubah
Lihat foto
album
banner
Mengubah
Menambah
Menghapus
Kelola album foto
album
banner
banner
Menghapus
album
Kelola banner
Kelola galeri

Menambah
berita

Menghapus
Mengubah
buku tamu
buku tamu
Kelola buku tamu

<<include>>

Menambah Admin

<<include>>

Kelola Admin

<<include>>

Mengubah
Mengubah
profil
sandi
Kelola profil
super admin

<<include>>
Mengubah prioritas
Mengubah
kriteria
<<include>>
Menambah kriteria
Menghapus
kriteria
Kelola
Menambah
kriteria
Prioritas Kriteria
<<include>>
sub kriteria
Memberi penilaian
Kelola Kriteria
Lihat sub
Mengubah sub
Kelola Program Keluarga
Melihat Penerima
kriteria
kriteria<<include>>
Harapan (PKH)
Bantuan
Menghapus
Kelola Nilai
sub kriteria
Random Index
Kelola Calon
Kelola Rekomendasi
Mengubah
Penerima Bantuan
Calon Penerima Bantuan Nilai Random Index
Memilih Penerima
Bantuan
Super Admin

Memilih Calon
Penerima Bantuan

<<include>>
Kelola program bantuan
Memberi penilaian
Memberi penilaian
Kelola
Kelola
Mengubah prioritas
Prioritas Kriteria
Prioritas Kriteria
kriteria
Kelola Bantuan dan Jaminan Sosial
Kelola Bantuan Dana Jaminan
Menambah
Menambah Mengubah
Mengubah kriteria
Bagi Penyandang Cacat Berat (JSPC)
Sosial Lanjut Usia (JSLU)
kriteria
kriteria
kriteria
Menghapus
Melihat Penerima
Melihat Penerima
Menghapus Menambah
Kelola Kriteria
Menambah
Kelola Kriteria
kriteria
Bantuan
Bantuan
kriteria
sub kriteria
sub kriteria
Lihat sub
Mengubah
Mengubah
Lihat sub
Kelola Nilai
Kelola Calon
Kelola Calon
Kelola Nilai
kriteria
sub kriteria
sub kriteria
kriteria
Random Index
Penerima Bantuan
Penerima Bantuan Random Index
Menghapus
<<include>> Menghapus
Mengubah
Memilih Penerima
Memilih Penerima
Mengubah
sub kriteria
sub kriteria
Nilai Random Index
Bantuan
Bantuan
Nilai Random Index
Kelola Rekomendasi
Kelola Rekomendasi
Calon Penerima Bantuan
Calon Penerima Bantuan
<<include>>
Memilih Calon
Memilih Calon
Penerima Bantuan
Penerima Bantuan

Mengubah prioritas
kriteria

Melihat
Data PMKS

Melihat
Data PSKS

Melihat Data
Mengubah
kabupaten
Menambah
Menghapus
kabupaten
kabupaten
Kelola kabupaten
Kelola wilayah

Kelola kecamatan

Menambah
Menghapus
kecamatan
kecamatan
Menambah Menghapus
Mengubah
kelurahan
kelurahan
kecamatan
Mengubah
kelurahan
Kelola kelurahan

Melihat Website

Gambar 3.1. Use case super admin

Login

<<include>> Memasukkan
nama dan sandi

3.2. Use case admin provinsi

Menambah Data
Kemiskinan

Mengubah Data
Kemiskinan

Kelola Data Kemiskinan

Mengubah
jenis PMKS

<<include>>

Kelola jenis PMKS

<<include>>
<<include>>

Kelola jenis PSKS

<<include>> Memasukkan
nama dan sandi

Login

Menambah Menghapus
jenis PSKS
jenis PSKS <<include>>
Mengubah
jenis PSKS

Admin
provinsi

Kelola profil
Admin provinsi
Mengubah profil
Admin provinsi

Mengubah
sandi

Melihat Website

Gambar 3.2. Use case admin provinsi

3.3. Use case admin kabupaten/kota
Menambah
Lembaga

Mengubah data
anggota keluarga
Menambah
anggota keluarga

Lihat
Keluarga

Melakukan
verifikasi

Kelola
Keluarga

Mengubah
Lembaga

Kelola
Lembaga

Menambah
PMKS
Mengubah
data PMKS

Lihat PMKS
Melihat
Laporan

Kelola Data PMKS

Mengubah Data
PSKS Perorangan
Menambah
PSKS Perorangan
Kelola PSKS
Perorangan

Menambah
PSKS lembaga
Mengubah Data
PSKS Lembaga
Kelola PSKS
Lembaga

Kelola Data PSKS

<<include>>

Melihat Laporan
Memberi
penilaian

Mengubah
penilaian

<<include>>

Kelola Program Keluarga

Harapan (PKH)
Kelola program bantuan
Admin
kabupaten/kota

Kelola Bantuan dan Jaminan Sosial

Bagi Penyandang Cacat Berat (JSPC)
Memberi
penilaian

<<include>>

Login

<<include>> Memasukkan
nama dan sandi

Kelola Bantuan Dana Jaminan

Sosial Lanjut Usia (JSLU)

Memberi Mengubah
<<include>>
penilaian
penilaian
Mengubah
Petugas Pendata
<<include>>
Menghapus
Menambah
Petugas Pendata
Petugas Pendata

Mengubah
penilaian

Kelola Petugas Pendata

Mengubah profil
Admin kabupaten/kota

Mengubah
sandi

Kelola profil
Admin kabupaten/kota
Melihat Website

Gambar 3.3. Use case admin kabupaten/kota

3.4. Use case pengunjung
Melihat Gambaran Umum
Melihat Visi dan Misi
Melihat Profil
Melihat Struktur Organisasi
Melihat Berita

Melihat Profil UPTD

Melihat Galeri
Pengunjung

Mengisi Buku Tamu

Melihat Tamu
Melihat Data PMKS

Melihat SIKS
Melihat Data PSKS

Gambar 3.4. Use case pengunjung

3.5. ERD

idKel
Alamat Jenis_Keg
idAdmin
Nama
Jml_Sasaran
idKab
idPendata
idKab Nm_Kab
idJenis
Nm_Admin
idPSKS
Thn_Data
Email
Pengguna n memiliki 1 Kab 1
Nm_Kel
memiliki
PSKS_Lembaga
n
memiliki
IdKec
idKel
Nm_Login
idKec
Passw_Login
Nm_Kec Kec 1 memiliki n
Kel
1
memiliki
Nama_lembaga
1
Level
idPMKS
Alamat_Lembaga idKab
idPendata
1
memiliki
Status
idLembaga
1
idKel
idLembaga
Nama
memiliki
Thn_Data
1
Alamat
1
PMKS_Lembaga n memiliki 1 Lembaga
n
memiliki
memiliki
idJenis
Jns_Kel
1
1
memiliki
n PSKS_Orang n memiliki 1 Jenis_PSKS Nm_Jenis
Umur
memiliki
1
Pendata
idPendata
Pend
idKlp
Thn_Data
idPSKS
memiliki
Nm_Pendata
Pekerjaan
idKeluarga
idJenis
memiliki
idPendata
Alamat
idJenis
Nama
Pend
Nama
1
idKel
Alamat
Pekerjaan
Umur
Alamat
Klp_PSKS
Jns_Kel
1
idKel
1
Umur
Jns_Kel
idKel
Umur
Jns_Kel
idKlp Nm_Klp
Jns_Kel
Status_Kawin
Pend_Akhir
Umur
Status_Kawin
Pekerjaan

Pend

Pend_Dasar
Nm_Jenis

Mak_4Sehat

Thn_Data
idPendata

Diobati

Stat_bang

Imunisasi

Data_Train n memiliki 1 Jenis_PMKS

Luas_Lantai

Cacat

OT_Tunggal

Jns_Atap

idJenis

Jns_Dinding

idAlbum
Nm_Album Album 1
Foto

Tmpt_Akhir

idRI
Ordo_Matrik

Penerangan

NIlai

Bahan_Bakar

idVisi

UMKM
Pekerjaan_rinci
Nilai

idGbr

Ket_Keluarga

PMKS

1 memiliki n Penerima_Bantuan

Tahun_nilai
idSub
Nm_sub
idKriteria
Nilai_Sub

Nilai_PMKS

Jenis_Bantuan

memiliki

1
Sub_Kriteria n

idBantuan
Nm_Bantuan
memiliki
n

idPMKS
idSub
Prioritas

idPMKS
idBantuan
Tahun
Keterangan

memiliki

memiliki

Deskripsi Gbr_Umum

memiliki

memiliki

1 Kriteria

idKriteria
Nm_Kriteria
idBantuan
Prioritas

Gambar 3.5. ERD

Gambar

Komentar
Tgl_Post
Aktif

Buku_Tamu
IP
Tanggal
Hits
Online

Foto

idBerita
Judul

Visi_Misi

Deskripsi

OT_Tunggal
Kel_Mengurus
idJenis

Dapur
Air_Minum
n

idPMKS
idKeluarga
Nama
Hub_KK
Jns_Kel
Umur
Pend
Status_Kawin
Pekerjaan
Pend_Dasar
ASI
Imunisasi
Mak_4Sehat
Diobati
Cacat

Email
Random_Index
Nm_Tamu
idTamu

idFoto
Aktif
Nm_foto idAlbum
Foto

Nm_UPTD Deskripsi
Gambar
idUPTD
UPTD

Fas_BAB

memiliki

berisi

Data_Keluarga

Jns_Lantai

Kel_Mengurus

memiliki

Pekerjaan
n

idJenis

ASI

memiliki

Status_Kawin

Statistik

Tgl_Post
isi_Berita
Gambar
Nm_Jab
NIP
Nama
Foto

Berita

Pegawai

idAgenda
Agenda
Tempat
Jam
Tanggal

Agenda

IV. IMPLEMENTASI
4.1. Web profil

Gambar 4.1. Web profil

4.2. SIKS

pengembangan waterfall. Dalam

perancangan dan pembuatannya
dapat digunakan PHP, html dan
javaScript
sebagai
bahasa
pemrograman, AppServ sebagai web
server, dan MySQL sebagai database
server.
2. Secara fungsional web profil dan
SIKS berjalan dengan maksimal dan
menghasilkan output sesuai dengan
yang diharapkan.
3. Penerapan metode Naive Bayes
dengan rata-rata akurasi sebesar
96.9% dapat digunakan untuk
melakukan klasifikasi 8 jenis PMKS
yang ada di lingkungan keluarga
yaitu Anak Balita Terlantar, Anak
Terlantar,
Anak
Dengan
Kedisabilitasan,
Penyandang
Disabilitas, Perempuan Rawan Sosial
Ekonomi, Lanjut Usia Terlantar,
Pemulung, dan Fakir Miskin.
4. Penerapan metode AHP mampu
memberikan pertimbangan kepada
Dinas Sosial Provinsi Kaimantan
Tengah dalam menentukan calon
penerima bantuan sosial Program
Keluarga Harapan, Jaminan Sosial
Penyandang Cacat (JSPC), dan
Jaminan Sosial Lanjut Usia (JSLU).

Gambar 4.2. SIKS

V. PENUTUP
5.1. Kesimpulan
Kesimpulan yang dapat diperoleh
dari pembuatan dan pengujian Sistem
Informasi Kesejahteraan Sosial (SIKS)
Berbasis Web Pada Dinas Sosial
Provinsi Kalimantan Tengah adalah
sebagai berikut.
1. SIKS berbasis web dapat dirancang
dan dibuat menggunakan metodologi

5.2. Saran
Adapun saran
yang dapat
diberikan setelah proses pembuatan
SIKS berbasis web ini yaitu sebagai
berikut.
1. Diharapkan untuk pengembangan
selanjutnya, desain interface dapat
dibuat dinamis sehingga tampilan
website pada setiap browser yang
berbeda tetap terlihat sama.

2. Diharapkan untuk pengembangan

selanjutnya, grafik PMKS dapat
memperlihatkan
jumlah
PMKS
gabungan dari kelompok keluarga
dan juga lembaga.
DAFTAR PUSTAKA
Arief,
M.,
Rudyanto.,
2011,
Pemrograman Web Dinamis
Menggunakan PHP & MySQL,
Andi, Yogyakarta.
Catur,
2010,
Pengantar
UML,
http://catur.dosen.akprind.ac.id
diakses pada 26 Oktober 2012.
Desrizal, 2010, Panduan Lengkap PHP
Ajax
jQuery,
http://blog.codingwear.com
diakses pada 23 Oktober 2012.
Hariningsih, SP., 2005, Teknologi
Informasi, Graha Ilmu, Graha
Ilmu, Yogyakarta.
Kadir, A., 2010, AJAX, YesCom,
Yogyakarta.
Madcoms, 2011, Dreamweaver CS5
dan PHP MySQL untuk Pemula,
Andi, Yogyakarta.
Maing, I., 2008, Pengertian Dasar Dan
Simbol
Flowcart,
http://irma14.blogspot.com
diakses tanggal 13 Oktober 2012.
Mulyanto, A., 2009, Sistem Informasi
Konsep & Aplikasi, Yogyakarta,
Pustaka Pelajar.
Natalius, S., 2010, Metoda Nave Bayes
Classifier dan Penggunaannya
pada
Klasifikasi
Dokumen,
Makalah II2092 Probabilitas dan
Statistik Sem. I Tahun 2010/2011,
Bandung.
Nugroho,
B.,
2005,
Database
Relational Dengan MySQL, Andi,
Yogyakarta.
Lie, Y., 2011, Analytics Hierarchy
Process http://pandarion.wordpress.com
diakses tanggal 5 September 2012.
Pressman, R.S., 2002, Rekayasa
Perangkat Lunak : Pendekatan

Praktisi, Buku I, diterjemahkan

oleh: Harnaningrum, L.N, Andi,
Yogyakarta.
Roebyantho, H., dkk., 2009, Studi
Evaluasi Program Pemberian
Bantuan Dana Jaminan Sosial
Bagi Penyandang Cacat Berat,
P3KS Press (Anggota IKAPI),
Jakarta Timur.
Saaty,
T.L.
1993.
Pengambilan
Keputusan bagi Para Pemimpin.
Diterjemahkan oleh: Setiono, L,
Pustaka
Binaman
Pressindo,
Jakarta.
Suryadi, K., Ramdhani, A., 1998. Sistem
Pendukung Keputusan. Remaja
Rosdakarya, Bandung.
Tim
Nasional
Percepatan
Penanggulangan
Kemiskinan
(TNP2K),
2012,
Panduan
Pemantauan
Program
Penanggulangan Kemiskinan.
,
2008,
Pedoman
Pelaksanaan Program Jaminan
Sosial Lanjut Usia (JSLU),
Direktorat
Pelayanan
Sosial
Lanjut Usia-Direktorat Jenderal
Pelayanan
Dan
Rehabilitasi
Sosial-Departemen Sosial RI,
Jakarta.
,
2012,
Peraturan
Menteri
Sosial
Republik
Indonesia Nomor 08 Tahun 2012,
Menteri
Sosial
Republik
Indonesia, Jakarta.
, 2009, Undang-Undang
Republik Indonesia Nomor 11
Tahun
2009
Tentang
Kesejahteraan Sosial, Presiden
Republik Indonesia, Jakarta.