PENGUMPULAN DAN PENGOLAHAN DATA
16. Of Error free Return Shipped
5.5.1 Analytical Hierarcy Process (AHP) .1. Pembobotan Proses
Perbandingan berpasangan dilakukan dengan menilai tingkat kepentingan antara kepentingan yang satu dengan kepentingan yang lain.
Perbandingan berpasangan pada penelitian ini dilakukan dengan cara menilai tingkat kepentingan antar proses, antar atribut, serta antar indikator. Pengisian kuisioner dilakukan oleh Manajer Produksi di PT.
Socfindo.Langkah-langkah :
a. Menyusun matriks perbandingan berpasangan antar proses yang dapat dilihat pada Tabel 5.16.
Tabel 5.16.Matriks Perbandingan Berpasangan Antar Proses
Proses Plan Source Make Deliver Return
Plan 1 1 1 1 1
Source 1 1 1 2 3
Make 1 1 1 2 3
Deliver 1 1 1/2 1 2
Return 1/3 1/2 1/3 1/2 1
Sumber : Pengolahan Data
berpasangan. Hasil perhitungan pembobotan antar proses dapat dilihat pada Tabel 5.17.
Tabel 5.17. Hasil Perhitungan Pembobotan Antar Proses
Proses Plan Source Make Deliver Return
Plan 1 1 1 1 1
Source 1 1 1 2 3
Make 1 1 1 2 3
Deliver 1 1 1/2 1 2
Return 1/3 1/2 1/3 1/2 1
Total 4,33 4,50 3,83 6,50 10,00
Sumber : Pengolahan Data
c. Melakukan normalisasi antar proses pada matriks perbandingan berpasangan.
Contoh : proses plan : plan = 4,331 = 0,23. Hasil normalisasi antar proses dapat dilihat pada Tabel 5.18.
Tabel 5.18. Hasil Normalisasi Antar Proses
Proses Plan Source Make Deliver Return
Plan 0,23 0,22 0,26 0,15 0,10
Source 0,23 0,22 0,26 0,31 0,30
Make 0,23 0,22 0,26 0,31 0,30
Deliver 0,23 0,22 0,13 0,15 0,20
Return 0,08 0,11 0,09 0,08 0,10
Total 1 1 1 1 1
Sumber : Pengolahan Data
d. Perhitungan nilai Eugen Vector, contoh : untuk proses plan :
- Perhitungan total weight matrix = 0,23 + 0,22 + 0,26+ 0,15 + 0,10 = 0,97
5
dilihat pada Tabel 5.19.
Tabel 5.19. Hasil Perhitungan Eugen Vector Antar Proses Proses Total Weight Matrix Eugen Vector
Plan 0,97 0,19
Source 1,32 0,26
Make 1,32 0,26
Deliver 0,94 0,19
Return 0,45 0,09
Sumber : Pengolahan Data
e. Perhitungan λ maks
λ maks = ((0,19 x 4,33) + (0,26 x 4,50) + (0,26 x 3,83) + (0,19 x 6,50) + (0,09x 10,00) = 5,16
f. Perhitungan CI (Consistency Index)
CI = (λ maks – n) / (n-1) , dimana n = ordo matriks CI = (5,16-5)/4 = 0,04
g. Perhitungan CR (Consistency Ratio)
CR = CI/RI, RI = Random Index, dimana untuk n = 5, RI = 1,12
CR = 0,04/1,12 = 0,04 = 4 %, sehingga nilai CR < 10% maka data yang digunakan telah konsisten dan hasil perhitungan dinyatakan benar.
Dalam pembobotan atribut, data yang digunakan berasal dari kuisioner yang dimasukkan ke dalam matriks perbandingan berpasangan dilanjutkan dengan normalisasi dan juga perhitungan konsistensi.
1. Pembobotan Antar Atribut pada Proses Source.
Langkah-langkah :
a. Menyusun matriks perbandingan berpasangan antar proses yang dapat dilihat pada Tabel 5.20.
Tabel 5.20. Matriks Perbandingan Berpasangan Antar Atribut pada Proses Source
Proses Plan Reliability Responsiveness
Reliability 1 4
Responsiveness 1/4 1
Sumber : Pengolahan Data
b. Melakukan pembobotan proses pada matriks perbandingan berpasangan. Hasil perhitungan pembobotan antar atribut pada proses source dapat dilihat pada Tabel 5.21.
Tabel 5.21.Hasil Perhitungan Pembobotan Antar Atribut pada Proses Source Proses Source Reliability Responsiveness
Reliability 1 4
Responsiveness 0,25 1
Total 1,25 5
Sumber : Pengolahan Data
berpasangan. Hasil normalisasi antar atribut pada proses source dapat dilihat pada Tabel 5.22.
Tabel 5.22.Hasil Normalisasi Antar Atribut Proses Source Proses Source Reliability Responsiveness
Reliability 0,80 0,80 Responsiveness 0,20 0,20
Total 1 1
Sumber : Pengolahan Data
d. Perhitungan nilai Eugen Vector. Hasil perhitungan eugen vector dapat dilihat pada Tabel 5.23.
Tabel 5.23. Hasil Perhitungan Eugen Vector Proses Source Proses Source Total Weight Matrix Eugen Vector
Reliability 1,60 0,80
Responsiveness 0,40 0,20
Sumber : Pengolahan Data
e. Perhitungan λ maks
λ maks = ((0,80 x 1,25) + (0,20 x 5,00)) = 2,00 f. Perhitungan CI (Consistency Index)
CI = (λ maks – n) / (n-1) , dimana n = ordo matriks CI = 0,00/1 = 0,00
g. Perhitungan CR (Consistency Ratio)
CR = CI/RI, RI = Random Index, dimana untuk n = 2, RI = 0,00
Karena RI =0,00 maka nilai CR = 0,00 = 0 %, sehingga CR < 10 %, maka data yang digunakan telah konsisten dan hasil perhitungan dinyatakan benar.
2. Pembobotan Antar Atribut pada Proses Make Langkah-langkah :
a. Menyusun matriks perbandingan berpasangan antar atribut proses make yang dapat dilihat pada Tabel 5.24.
Tabel 5.24. Matriks Perbandingan Berpasangan Antar Atribut pada Proses Make
Proses Make Reliability Responsiveness
Reliability 1 2
Responsiveness ½ 1
Sumber : Pengolahan Data
b. Melakukan pembobotan antar atribut make pada matriks perbandingan berpasangan. Hasil perhitungan pembobotan antar atribut pada proses make dapat dilihat pada Tabel 5.25.
Tabel 5.25. Hasil Perhitungan Pembobotan Antar Atribut pada Proses Make Proses Make Reliability Responsiveness
Reliability 1 2
Responsiveness 0,5 1
Total 1,5 3
Sumber : Pengolahan Data
c. Melakukan normalisasi antar proses pada matriks perbandingan berpasangan. Hasil normalisasi antar atribut pada proses make dapat dilihat pada Tabel 5.26.
Proses Make Reliability Responsiveness
Reliability 0,67 0,67
Responsiveness 0,33 0,33
Total 1,00 1,00
Sumber : Pengolahan Data
d. Perhitungan nilai Eugen Vector. Hasil perhitungan eugen vector dapat dilihat pada Tabel 5.27.
Tabel 5.27. Hasil Perhitungan Eugen Vector Proses Make Proses Make Total Weight Matrix Eugen Vector
Reliability 1,33 0,67
Responsiveness 0,67 0,33
Sumber : Pengolahan Data
e. Perhitungan λ maks
λ maks = ((0,67 x 1,5) + (0,33 x 3) = 2 f. Perhitungan CI (Consistency Index)
CI = (λ maks – n) / (n-1) , dimana n = ordo matriks CI = 0/2 = 0,00
g. Perhitungan CR (Consistency Ratio)
CR = CI/RI, RI = Random Index, dimana untuk n = 2, RI = 0,00,sehingga CR = 0,00/0,00 = 0,00 = 0 %, sehingga CR < 10 %, maka data yang digunakan telah konsisten dan hasil perhitungan dinyatakan benar.
3. Pembobotan Antar Atribut pada Proses Deliver Langkah-langkah :
a. Menyusun matriks perbandingan berpasangan antar atribut pada proses deliver yang dapat dilihat pada Tabel 5.28.
Tabel 5.28. Matriks Perbandingan Berpasangan Antar Atribut pada Proses Deliver
Proses Deliver Reliability Responsiveness
Reliability 1 3
Responsiveness 1/3 1
Sumber : Pengolahan Data
b. Melakukan pembobotan proses pada matriks perbandingan berpasangan. Hasil perhitungan pembobotan antar atribut pada proses deliver dapat dilihat pada Tabel 5.29.
Tabel 5.29. Hasil Perhitungan Pembobotan Antar Atribut Proses Deliver Proses Deliver Reliability Responsiveness
Reliability 1 3
Responsiveness 0,33 1
Total 1,33 4
Sumber : Pengolahan Data
c. Melakukan normalisasi antar proses pada matriks perbandingan berpasangan. Hasil normalisasi antar atribut pada proses deliver dapat dilihat pada Tabel 5.30.
Proses Deliver Reliability Responsiveness Reliability 0,75 0,75 Responsiveness 0,25 0,25
Total 1 1
Sumber : Pengolahan Data
d. Perhitungan nilai Eugen Vector. Hasil perhitungan eugen vector dapat dilihat pada Tabel 5.31.
Tabel 5.31. Hasil Perhitungan Eugen Vector Proses Deliver Proses Deliver Total Weight Matrix Eugen Vector
Reliability 1,50 0,75
Responsiveness 0,50 0,25
Sumber : Pengolahan Data
e. Perhitungan λ maks
λ maks = ((0,75 x 1,3) + (0,25 x 4,00) = 2,00 f. Perhitungan CI (Consistency Index)
CI = (λ maks – n) / (n-1) , dimana n = ordo matriks CI = 0,00/1 = 0,00
g. Perhitungan CR (Consistency Ratio)
CR = CI/RI, RI = Random Index, dimana untuk n = 2, RI = 0,00
Karena RI =0,00 maka nilai CR = 0,00 = 0 %, sehingga CR < 10 %, maka data yang digunakan telah konsisten dan hasil perhitungan dinyatakan benar.
Pembobotan indikator, data yang digunakan berasal dari kuisioner yang dimasukkan ke dalam matriks perbandingan berpasangan. Sama dengan langkah dalam pembobotan di level proses dan juga atribut, setelah melakukan perhitungan matriks perbandingan berpasangan dilanjutkan dengan normalisasi dan juga perhitungan konsistensi.
1. Pembobotan Antar Kritreria pada Proses Source Atribut Reliability
a. Menyusun matriks perbandingan berpasangan antar kriteria pada proses source atribut reliability dapat dilihat pada Tabel 5.32.
Tabel 5.32. Matriks Perbandingan Berpasangan Antar Kritreria pada Proses Source Atribut Reliability
Proses Source Reliability
% orders received damage free
% of feasible package
% orders received damage
free 1 5
% of feasible package
1/5 1
Sumber : Pengolahan Data
b. Melakukan pembobotan proses pada matriks perbandingan berpasangan.
Hasil perhitungan pembobotan antar kriteria atribut reliabilitydapat dilihat pada Tabel 5.33.
Source Atribut Reliability
c. Melakukan normalisasi antar proses pada matriks perbandingan berpasangan.
Hasil normalisasi antar kriteria atribut Reliability dapat dilihat pada Tabel 5.34.
Tabel 5.34. Hasil Normalisasi Pembobotan Antar Kritreria pada Proses Source Atribut Reliability
d. Perhitungan nilai Eugen Vector. Hasil perhitungan eugen vector dapat dilihat pada Tabel 5.35.
Tabel 5.35. Hasil Perhitungan Eugen Vector Antar Atribut Reliability Proses Source Reliability Total Weight Matrix Eugen Vector
% orders received damage free 0,67 0,83
% of feasible package 0,33 0,17
Sumber : Pengolahan Data
λ maks = ((0,83 x 1,2) + (0,17 x 6,00) = 2,00.
f. Perhitungan CI (Consistency Index)
CI = (λ maks – n) / (n-1) , dimana n = ordo matriks CI = 0,00/2 = 0,00.
g. Perhitungan CR (Consistency Ratio)
CR = CI/RI, RI = Random Index, dimana untuk n = 2, RI = 0,00 Karena RI
=0,00 maka nilai CR = 0,00 = 0 %, sehingga CR < 10 %, maka data yang digunakan telah konsisten dan hasil perhitungan dinyatakan benar.
2. Pembototan pada proses make atribut reliability
a. Menyusun matriks perbandingan berpasangan antar kriteria pada proses make atribut reliability dapat dilihat pada Tabel 5.36.
Tabel 5.36. Matriks Perbandingan Berpasangan Antar Kritreria pada Proses Make Atribut Reliability
Hasil perhitungan pembobotan antar kriteria atribut reliability dapat dilihat pada Tabel 5.37.
Tabel 5.37. Hasil Perhitungan Pembobotan Antar Kriteria pada Proses Make Atribut Reliability
c. Melakukan normalisasi antar proses pada matriks perbandingan berpasangan.
Hasil normalisasi antar kriteria atribut Reliability dapat dilihat pada Tabel 5.38.
Proses Make
Energy Used 0,25 0,25 0,34 0,28 0,26 0,17 0,16 0,16
Water Used 0,25 0,25 0,34 0,28 0,26 0,17 0,16 0,16
Hydroxylamine Ammonium
Sulphate Used 0,08 0,08 0,11 0,09 0,08 0,17 0,16 0,16
SMBS Used 0,08 0,08 0,03 0,09 0,08 0,17 0,16 0,16
Formid Acid
Used 0,08 0,06 0,05 0,03 0,08 0,17 0,16 0,16
Liquid Waste 0,08 0,08 0,03 0,09 0,08 0,05 0,05 0,05
Solid Waste 0,08 0,08 0,03 0,09 0,02 0,01 0,05 0,05
Gas Waste 0,08 0,08 0,03 0,03 0,08 0,05 0,05 0,05
Total 1 1 1 1 1 1 1 1
Sumber : Pengolahan Data
d. Perhitungan nilai Eugen Vector. Hasil perhitungan eugen vector dapat dilihat pada Tabel 5.39.
Tabel 5.39. Hasil Perhitungan Eugen Vector Antar Atribut Reliability Proses Make Reliability Total Weight
Matrix
λ maks = ((0,23 x 3,98) + (0,23 x 3,90) +(0,12 x 8,82) +(0,11 x 10,66) +(0,10x 11,33) +(0,06 x 17,33) +(0,05 x 18)+(0,06 x 18) = 8,64.
f. Perhitungan CI (Consistency Index)
CI = (λ maks – n) / (n-1) , dimana n = ordo matriks CI = (8,64-8)/7 = 0,09.
g. Perhitungan CR (Consistency Ratio)
CR = CI/RI, RI = Random Index, dimana untuk n = 8, RI = 1,41 CR=0,09/1,41
CR=0,06 CR=6%
sehingga CR < 10 %, maka data yang digunakan telah konsisten dan hasil perhitungan dinyatakan benar.
Normalisasi Snorm de Boer dapat dilihat pada Tabel 5.40.
Tabel 5.40. Normalisasi Snorm de Boer
No Proses
No Proses
4 Deliver 0,19 Reliability 0,75 Shipping Document
Accuracy 1 100 0,14 14,25
VI-1