Pada tahun 2017, regulasi pemerintah baru membagi menjadi dua kategori untuk tarif R1 900 VA yaitu: R1M untuk warga yang mampu dan R1 untuk warga bersubsidi. Akan tetapi dalam pemilihan calon penerima subsidi listrik, pemerintah memiliki beragam kriteria agar pembagian subsidi tepat sasaran. Pada penelitian ini dibuat sebuah sistem pendukung keputusan untuk membantu pihak TNP2K (Tim Nasional Percepatan Penanggulangan Kemiskinan) dalam pemilihan penerima subsidi secara cepat. Dimana aplikasi ini nantinya dapat digunakan oleh pemerintah pada kantor Kecamatan Asakota Kota Bima. Aplikasi ini menggunakan metode Simple Additive Weighting (SAW) yang mempunyai kelebihan pada kemampuan untuk melakukan penilaian lebih tepat dan cepat didasarkan nilai kriteria dan bobot preferensi yang sudah ditentukan. Hasil perhitungan SAW akan menghasilkan peringkat yang akan membantu pemerintah dalam membandingkan hasil nilai tiap warga sesuai tingkat kemiskinan. Pengumpulan data dilakukan dengan cara observasi, wawancara, kuisioner dan studi literatur. Hasil penelitian menyebutkan bahwa aplikasi ini dapat digunakan sebagai alat bantu dalam mengambil keputusan untuk menentukan penerima subsidi listrik secara cepat.

In 2017, the new government regulation divides into two categories for R1 900 VA tarrifs: R1M for capable citizens and R1 for subsidized citizens. However in electricity subsidies, the government has various criteria for proper subsidy distribution. In this essay, a decision support system was created to help the TNP2K (National Team for Accelerating Poverty Reduction) electing candidates for electricity subsidies in a fast. Where this application can be used by the government at the District Office Asakota, Bima. This application uses the Simple Additive Weighting (SAW) method which has advantages in the ability to perform more precise and quick assessment based on predetermined criteria and preference weights. The results of SAW calculations will be show in a ranking that will assist the government in comparing the results score of each citizen according to his poverty level. Data collection was done by observation, interview, questionnaire and literature study. The results of this study mentioned that this application can be used as a tool in making decisions determination of electricity subsidy quickly.