Bulat)
(Bilangan Desimal)
3 3.0000 Sedikit Lebih Penting 5 5.0000 Sangat Penting 7 7.0000 Jelas Lebih Penting 9 9.0000 Mutlak Lebih Penting 1/3 0.3333 Tidak Sedikit Lebih
Penting 1/5 0.2000 Tidak Sangat Penting 1/7 0.1429 Tidak Jelas Lebih Penting 1/9 0.1111 Tidak Mutlak Lebih
2.16 Coding Tahapan Proses AHP beserta Implementasinya 1. ) Perbandingan Bobot Kriter ia
Coding:
$a=1; //insialisasi awal;
$Wj=1;
//VARIABEL penampung Proses perbandingan
$label_kriteria=array();
$label_ckaryawan=array();
$id_kriteria=array();
$id_ckaryawan=array();
$ktp_ckaryawan=array();
$sql_kriteria = "select id_kriteria,nama_kriteria
from kriteria
order by nama_kriteria";
$result_kriteria = mysql_query($sql_kriteria,$koneksi) or die ("gagal memuat data".mysql_error());
$n_kriteria_db = mysql_num_rows($result_kriteria);
$sql_ckaryawan = "select id_pelamar,nama_pelamar,nomor_ktp_pelamar
from pelamar
order by nama_pelamar";
$result_ckaryawan = mysql_query($sql_ckaryawan,$koneksi) or die
("gagal memuat data".mysql_error());
Implementasi :
Gambar 2.10 Implementasi perbandinga bobot kriteria 2.) Nor malisasi untuk semua kr iteria
Coding : echo "<h3>Normalisasi</h3>"; for($kol=0;$kol<$n_kriteria;$kol++) { for($bar=0;$bar<$n_kriteria;$bar++) { $normalisasi_k[$bar][$kol]=number_format($kriteria[$bar][$kol]/$jumlah_perkolo m[$kol],4,'.',''); $konsistensi+=number_format($normalisasi_k[$bar][$kol],4,'.',''); $konsistensi_perkolom[$kol]=number_format($konsistensi,4,'.',''); $konsistensi=0;
Implementasi :
Gambar 2.11 Implementasi nor malisasi untuk semua kr iteria 3. ) Mencari Eigen Vektor
Coding : for($bar=0;$bar<$n_kriteria;$bar++) { for($kol=0;$kol<$n_kriteria;$kol++) { $bobot+=number_format($normalisasi_k[$bar][$kol],4,'.',''); } $eigen_vektor_kriteria[$bar]=number_format($bobot/$n_kriteria,4,'.',''); $kol=$n_kriteria; $konsistensi_perkolom[$kol]+=number_format($eigen_vektor_kriteria[$bar],4,'.', ''); $bobot=0;
}
Implementasi :
Gambar 2.12 Implementasi Eigen Vektor 4.) Mencari Total Bobot
Coding : for($i =0;$i<$n_kriteria;$i++) { for($j=0;$j<$n_kriteria;$j++) {
$bobot+=number_format($normalisasi_k[$i][$j],4,'.','');diblakang koma ada 4 }
Implementasi :
5. Mencari Bobot Wi
Keterangan : Mencari total bobot ke I (wi)=tidak ditampilkan pada program karena merupakan proses yang terlalu panjang rumit untuk dipahami pengguna sehingga prosesnya cukup dilakukan didalam sistem.
6.) Mencari Eigen Maksimum Coding : for($i =0;$i<$n_kriteria;$i++) { $eigen_max+=number_format($jumlah_perkolom[$i]*$eigen_vektor_kriteria[$i],4,'. ',''); }
echo "<b>Eigen Maksimum = </b> $eigen_max <br />";
Implementasi :
Gambar 2.14 Implementasi Mencari eigen maksimum 7.) Mencari Indeks Konsistensi
Coding :
$ci=nu
mber_format(($eigen_max-$n_kriteria)/($n_kriteria-1),4,'.','');
echo "<b>CI = </b> $ci <br />";
Implementasi :
8.) Mencari Consistency Ratio Coding:
$q_ri=
"select nilai_ri from indeks_random where ordo_matrik='$n_kriteria'";
$result_ri=mysql_query($q_ri,$koneksi) or die("gagal muat RI".mysql_error()); $data_ri=mysql_fetch_array($result_ri); $ri=$data_ri['nilai_ri']; $cr=number_format($ci/$ri,4,'.',''); echo "<b>CR = </b> $cr"; Implementasi :
Gambar 2.16 Implementasi Mencari Consistency Ratio 9.) Mencari Evaluasi Total
Coding : for($k ol=0;$kol<$n_kriteria;$kol++) { echo "<td>".$evaluasi_total[$bar][$kol]."</td>"; } echo "</tr>"; } echo "</table>";
Implementasi:
Gambar 2.17 Implementasi Mencari Evaluasi Total
10.) Mencari Proses Pengelompokan Ranking Coding : $R=$sco re[$i]; for($i=0;$i<$n_kriteria;$i++) { $score+=number_format(($evaluasi_total[$bar][$i]*$eigen_vektor_kriteria[$i]) ,4,'.',''); } echo "<td>".$score."</td>"; $score_perkaryawan[$bar]=$score; echo "</tr>"; $score=0;
Implementasi :
Gambar 2.18 Implementasi Mencari pr oses pengelompokan Ranking
RUMUS NORMALISASI
Keterangan :
aij = Perbandingan bobot kriteria ke-i dan ke-j.
a = Nilai Perbandingan
3.1 Analisis Sistem
Dengan adanya perkembangan informasi dan teknologi pada jaman globalisasi yang serba cepat, maka di dalam sector teknologi informasi memiliki tantangan dalam menangani proses Rekruitmen pegawai. Maka dari itu untuk mengatasi kendala yang ada dalam menangani penerimaan pegawai, maka di buatlah Sistem Pendukung Keputusan Rekruitmen pegawai, yang berfungsi untuk membantu proses dalam menentukan pegawai yang akan diterima agar menjadi lebih cepat dan akurat sehingga tidak memerlukan waktu yang lama.
Karena dalam Aplikasi Sistem Pendukung Keputusan Rekruitmen Pegawai. Kepala Personalia dapat menggunakan Aplikasi Sistem Pendukung Keputusan tersebut dengan cara memasukkan data-data pelamar calon pegawai sesuai dengan syarat yang ditentukan oleh perusahaan. Setelah semuanya itu dilakukan maka sistem akan memproses calon pelamar mana yang layak diterima sebagai pegawai di perusahaan sesuai dengan bobot dari metode AHP. Sehingga dalam proses penerimaan pegawai, kepala personalia tidak perlu lagi melakukan proses penerimaan pegawai secara manual.
Pada bab ini juga akan dibahas tentang konsep data menggunakan data flow diagram (DFD). Setelah itu barulah ketingkat selanjutnya yaitu menggunakan konsep data Conceptual Data Model ( CDM ) dan Phisycal Data Model ( PDM ).
Konsep DFD, CDM dan PDM didesain untuk menginformasikan kepada para pemakai ( user ) persepsi tentang data dan bukan menggambarkan bagaimana cara sebuah data disimpen dalam sebuah komputer.
Pendefisian sebuah data model adalah sebuah group dengan konsep yang akan membantu untuk menspesifikasikan struktur sebuah data dan sebuah himpunan kumpulan yang spesifik.
Dan untuk coding, kita menggunakan bahasa pemrograman yaitu PHP.
3.2 Perancanan Sistem
Perancangan Sistem digunakan untuk menggambarkan sejumlah proses terstruktur dalam sistem aplikasi, berorientasi pada aliran sistem yang terjadi, agar memperjelas sistem aliran aplikasi, berorientasikan pada aliran sistem yang terjadi, agar memperjelas sistem alur aplikasi yang dibuat. Penjelasan mengenai sistem dimulai dari diagram berjenjang, DFD,CDM dan PDM.
3.3 Diagram Berjenjang
Pada diagram berjenjang terdapat beberapa level dan beberapa sub proses diantaranya: pada level 1 terdapat dua proses yaitu Urusan Master dan Urusan
Laporan. Pada masing-masing proses ini memiliki sub proses, diantaranya pada proses Urusan Master terdapat sub proses Urusan Pegawai dan Urusan Kriteria. Untuk Urusan Laporan terdapat sub proses data pegawai lolos dan data pegawai tidak lolos. Namun pada masing-masing sub proses tersebut dibagi lagi menjadi sub proses, diantaranya pada urusan pegawai terdapat sub proses update dan view, begitu juga pada proses urusan kriteria terdapat sub proses update dan view, urusan data pegawai lolos dan data pegawai tidak lolos semuanya terdapat proses update dan view.
Gambaran umum dari Sistem System, dapat dilihat pada gambar 3.1 yang merupakan diagram berjenjang dari sistem informasi perpustakaan.
Gambar 3.3 Diagram Berjenjang Sistem Pedukung Keputusan Rekruitmen Pegawai
Aplikasi SPK Urusan Master Urusan Laporan Autentifikasi Urusan Pegawai Urusan Kriteria Data Pegawai Lolos Data Pegawai Tidak Lolos
3.4 Konteks Diagram
Diagram ini adalah diagram level tertinggi dari DFD yang menggambarkan hubungan sistem dengan lingkungan luarnya. Konteks diagram yang dimaksud pada gambar 3.2.2 dimana proses terhubung dengan 1 ( satu ) entitas yaitu Personalia.
Data Flow diagram adalah alat yang digunakan untuk menggambarkan arus data sistem secara terstruktur dan jelas dengan menggunakan notasi-notasi. Untuk proses apliksi sistem pendukung keputusan rekruitmen pegawai, digambarkan seperti gambar berikut:
Gambar 3.4 Konteks Diagram
detail data autentifikasi data autentifikasi
detail data pegawai tidak lolos
detail data pegawai lolos
detail data kriteria
detail data pegawai data pegawai tidalk lolos
data pegawai lolos data kriteria data pegawai 1 APLIKASI SPK + PERSONALIA
Konteks diagram diatas menjelaskan pihak mana saja yang terlibat, data apa saja yang terlibat didalam proses tersebut serta informasi apa yang akan diberikan oleh sistem. Dalam aplikasi Sistem Pendukung Keputusan Rekruitmen Pegawai terdapat satu external entity yaitu Personalia.
Entitas personalia memberikan input pada aplikasi berupa data Urusan Master, Urusan Laporan dan autentifikasi.
Aplikasi mengeluarkan output data detail dari urusan master, urusan laporan dan autentifkasi. Setelah proses konteks diagram selesai. Maka dari konteks diagram tersebut dapat didecompose ke level 0. didalam level 0 ini akan didetailkan semua proses yang akan digunakan pada sistem. Misalnya saja pada urusan master akan ditambahkan tabel store pegawai dan tabel store kriteria yang berfungsi untuk jalanya proses data update kriteria, data update pegawai, detail data pegawai, detail data kriteria.
Untuk detail data pegawai akan berhubungan dengan proses urusan laporan dan store pegawai. Begitu juga detail data kriteria akan berhubungan dengan proses urusan laporan dan store kriteria.
Untuk proses autentifikasi ditambahkan tabel store login yang akan berfungsi untuk menghubungkan relasi menginputkan password ke proses autentifikasi.
3.5 Data Flow Diagr am Level 0
Semua proses pada konteks diagram diturunkan atau didetailkan lagi ke DFD level 0, gammbar DFD level 0 sebagai berikut:
Gambar 3.5 DFD Level 0 menginputkan pasword
detail data kriteria detail data pegawai
detail data kriteria
data update kriteria detail data pegawai
data update pegawai
detail data autentifikasi data autentifikasi
detail data pegawai tidak lolos data pegawai tidalk lolos
detail data pegawai lolos data pegawai lolos
detail data kriteria data kriteria
detail data pegawai data pegawai PERSO NALIA PERSO NALIA PERSO NALIA PERSO NALIA PERSO NALIA PERSO NALIA PERSO NALIA PERSO NALIA 1 urusan master + PERSO
NALIA PERSONALIA
2 Urusan Laporan 3 autentifikasi store pegawai store kriteria login
Gambar 3.5 diatas merupakan hasil decompose dari level konteks diagram atau DFD level 0. Dimana terdapat dua proses yaitu urusan master dan urusan laporan, yang penjelasannya sebagai berikut:
1.) Urusan Autentifikasi
Didalam proses data autentifikasi digunakan untuk penentuan hak akses bagi user.
2.) Urusan Master
Didalam proses urusan ini yang terlibat adalah entitas personalia saja. Disini personalia bisa memasukkan data pegawai dan data kriteria yang diperlukan agar diterima di perusahaan.
3.) Urusan Laporan
Proses data laporan ini digunakan untuk melihat data pegawai yang lolos seleksi dan data pegawai yang tidak lolos seleksi. Yang memberikan laporan output berupa informasi data pada personalia.
3.6Data Flow Diagr am Level 1 Ur usan Master
Semua proses pada DFD level 0 diturunkan atau dietailkan lagi ke DFD
Level 1, Gambar DFD level 1 Urusan Master sebagai berikut:
Gambar 3.6 DFD Level 1 Urusan Master
detail data pegawai data update pegawai
detail data pegawai data pegawai PERSONA LIA PERSONA LIA store pegawai : 1 store pegawai : 2 1 urusan pegawai
detail data kriteria data update kriteria
detail data kriteria data kriteria
PERSONA
LIA PERSONA
LIA
store kriteria : 1 store kriteria : 2
2 urusan
Pada level 1 Sub Sistem Urusan Master terdapat dua proses yaitu urusan pegawai dan urusan kriteria. Untuk urusan pegawai personalia dapat memasukkan input data pegawai ke dalam proses urusan pegawai ( terdapat dalam aplikasi ) dan aplikasi mengeluarkan output detail pegawai kepada personalia, urusan pegawai mengeluarkan data update ke dalam store pegawai dan store pegawai memasukkan input data urusan pegawai ke dalam urusan pegawai. Untuk urusan kriteria personalia dapat memasukkan input data kriteria ke dalam proses urusan kriteria ( terdapat dalam aplikasi ) dan aplikasi mengeluarkan output detail kriteria kepada personalia, urusan kriteria mengeluarkan data update ke dalam store kriteria dan store kriteria memasukkan input data urusan kriteria ke dalam urusan kriteria.
3.7Data Flow Diagr am Level 1 Ur usan Laporan
Semua proses pada DFD level 0 diturunkan atau dietailkan lagi ke DFD Level 1, Gambar DFD level 1 Urusan Laporan sebagai berikut:
detail data pegawai
detail data pegawai lolos data pegawai lolos
PERSONA LIA PERSONA LIA store pegawai 1 data pegawai lolos
Gambar 3.7 DFD Level 1 Urusan Laporan
Pada level 1 Sub Sistem Urusan Laporan terdapat dua proses yaitu data pegawai lolos dan data pegawai tidak lolos. Untuk data pegawai lolos personalia dapat memasukkan input data pegawai lolos ke dalam proses urusan data pegawai lolos ( terdapat dalam aplikasi ) dan aplikasi mengeluarkan output detail data pegawai kepada personalia, store pegawai memasukkan input detail data pegawai ke dalam proses data pegawai lolos.
Untuk data pegawai tidak lolos personalia dapat memasukkan input data pegawai tidak lolos ke dalam proses data pegawai tidak lolos ( terdapat dalam aplikasi ) dan aplikasi mengeluarkan output detail data pegawai tidak lolos kepada personalia, dan store kriteria memasukkan input detail data kriteria ke dalam proses data pegawai tidak lolos.
detail data kriteria
detail data pegawai tidak lolos data pegawai tidalk lolos
PERSONA LIA PERSONA LIA store kriteria 2 data pegawai tidak lolos
3.8Data Flow Level 1 Urusan Autentifikasi
Semua proses pada DFD Level 0 diturunkan atau didetailkan lagi ke DFD Level 1.Gambar DFD Level 1 Urusan Autentifikasi sebagai berikut:
Gambar 3.8 DFD Level 1 Urusan Autentifikasi
Pada level 1 Sub Sistem Urusan Autentifikasi, personalia memasukkan data autentifikasi ke proses urusan autentifikasi. Proses urusan autentifikasi mengeluarkan detail data autentifikasi pada personalia. Untuk store login menginputkan password ke proses urusan autentifikasi.
menginputkan pasword
detail data autentifikasi data autentifikasi PERSONA LIA PERSONA LIA login 1 urusan autentifikasi
Data flow diagram untuk proses update view Urusan Master yang meliputi sub proses urusan pegawai dan urusan kriteria, gambar DFD Level 1 untuk proses Update view Urusan Master yang meliputi sub proses urusan pegawai sebagai berikut:
Gambar 3.9 DFD Level 1 proses Urusan Pegawai
Personalia memasukkan data pegawai, detail pegawai untuk dimasukkan ke dalam proses update, dan setelah di update, data pegawai yang sudah di update dimasukkan ke dalam store pegawai. Setelah store pegawai menerima data yang sudah di update maka personalia dapat melihat detail view pegawai pada proses view.
data update pegawai
data view pegawai detail view pegawai
detail update pegawi detail pegawai data pegawai 1 UPDATE 2 VIEW PERSONALIA STORE PEGAWAI
Data flow diagram untuk proses update view Urusan Master yang meliputi sub proses urusan pegawai dan urusan kriteria, gambar DFD Level 1 untuk proses Update view Urusan Master yang meliputi sub proses urusan kriteria sebagai berikut:
Gambar 3.10 DFD Level 1 proses Urusan Kriteria
Personalia memasukkan data kriteria, detail kriteria untuk dimasukkan ke dalam proses update, dan setelah di update, data kriteria yang sudah di update dimasukkan ke dalam store kriteria. Setelah store kriteria menerima data yang sudah di update maka personalia dapat melihat detail view kriteria pada proses view.
data update kriteria
data view kriteria
detail view kriteria detail update kriteria
detail kriteria data kriteria PERSONALIA 1 UPDATE 2 VIEW STORE KRITERIA
Data flow diagram untuk proses update view Urusan Laporan yang meliputi sub proses data pegawai lolos dan data pegawai tidak lolos, gambar DFD Level 1 untuk proses Update view Urusan Laporan yang meliputi sub proses urusan data pegawai lolos sebagai berikut:
Gambar 3.11 DFD Level 1 proses Data Pegawai Lolos
Personalia memasukkan data pegawai lolos, detail pegawai lolos untuk dimasukkan ke dalam proses update, dan setelah di update, data pegawai lolos yang sudah di update dimasukkan ke dalam store pegawai lolos. Setelah store pegawai lolos menerima data yang sudah di update maka personalia dapat melihat detail view pegawai lolos pada proses view.
Data flow diagram untuk proses update view Urusan Laporan yang meliputi sub proses data pegawai lolos dan data pegawai tidak lolos, gambar DFD Level
detail update pegawai lolos
data view pegawai lolos detail view pegawai lolos
data update pegawai lolos detail pegawai lolos
data pegawai lolos
1 UPDATE
2 VIEW PERSONALIA
1 untuk proses Update view Urusan Laporan yang meliputi sub proses urusan data pegawai tidak lolos sebagai berikut:
Gambar 3.12 DFD Level 1 proses Data Pegawai Tidak Lolos
Personalia memasukkan data pegawai tidak lolos, detail pegawai tidak lolos untuk dimasukkan ke dalam proses update, dan setelah di update, data pegawai tidak lolos yang sudah di update dimasukkan ke dalam store pegawai tidak lolos. Setelah store pegawai tidak lolos menerima data yang sudah di update maka personalia dapat melihat detail view pegawai tidak lolos pada proses view.
data view pegawai lolos data update pegawai tidak lolos
detail view pegawai tidak lolos
detail update pegawai tidak lolos detail pegawai tidak lolos
data pegawai tidak lolos
1 UPDATE 2 VIEW PERSONALIA STORE PEGAWAI TIDAK LOLOS
3.9 Conceptual Data Model (CDM)
Pada Model data konseptual atau dengan kata lain Conceptual Data Model (CDM) pada aplikasi sistem ini merepresentasikan rancangan basis data konseptual di server. Berikut ini gambar model data konseptual:
3.10 Physical Data Model (PDM)
Pada Model data ini dibuat dengan cara me-generate diagram data konseptual diatas. Diagram data fisik ini menghasilkan tabel-tabel yang akan digunakan dalam implementasi aplikasi.
3.11 Contoh Perhitungan metode Analytic Hier archy Pr ocess (AHP).
Pada bab ini akan dibahas secara khusus tentang penetapan prioritas menggunakan metode Analytic Hierarchy Process (AHP). Setelah penyusunan hirarki , maka langkah selanjutnya adalah melakukan perbandingan antara elemen dengan memperhatikan pengaruh elemen pada level diatasnya. Berikut ini adalah contoh perhitungan dengan menggunakan metode Analytic Hierarchy Process (AHP).
Tabel 3.1 Matr iks Faktor Pembobotan Hir ar ki Untuk Semua Kriter ia (Matr iks Perbandingan).
Intelegensia Fisik Teknis Manajerial
Intelegensia 1,0000 3,0000 7,0000 3,0000
Fisik 0,3333 1,0000 5,0000 9,0000
Teknis 0,1428 0,20000 1,0000 7,0000
Manajerial 0,3333 0,1111 0,1428 1,0000
1,8094 4,3111 13,1428 20,0000
Dengan unsur-unsur pada tiap kolom dibagi dengan jumlah kolom yang bersangkutan, akan diperoleh bobot relatif yang dinormalkan.nilai vector eigen (bobot) dihasilkan dari rata-rata nilai bobot relatif untuk setiap baris. Hasilnya dapat dilihat pada tabel sebagai berikut:
Tabel 3.2 Matr iks Faktor pembobotan Hir ar ki untuk semua kr iteria yang disederhanakan ( Matr iks Normalisasi ).
Intelegensia Fisik Teknis Manajerial Bobot
Intelegensia 0,5527 0,6959 0,5327 0,1500 0,4828
Fisik 0,1842 0,2319 0,3804 0,4500 0,3117
Teknis 0,0789 0,0463 0,0760 0,3500 0,1378
Manajerial 0,1842` 0,0258 0,0109 0,0500 0,0677
1,0000 1,0000 1,0000 1,0000 1,0000
Selanjutnya nilai eigen maksimum diperoleh dengan menjumlahkan hasil perkalian antara, jumlah entri-entri kolom pada matriks faktor pembobotan yang disederhanakan dengan vector eigen. Nilai eigen maksimum yang diperoleh adalah sebagai berikut:
Eigen Maksimum = ( 1,8094 x 0,4828 ) + ( 4,3111 x 0,3117 ) + ( 13,1428 + 0,1378 ) + ( 20,0000 x 0,0677 )
= 0,8735 + 1,3437 + 1,8110 + 20,0677
= 24,0959
Karena matriks berordo 4 yakni 4 kriteria, nilai indeks konsistensi yang diperoleh :
RUMUS :
CI =
(3.1) Rumus Consistemsy Index
Keterangan :
CI = Consistency Indeks
N= Banyaknya Kriteria
= Eigen maksimum
Untuk n = 4, RI = 0,900 ( Tabel Saaty ), maka :
RUMUS :
CR =
( 3.2) Rumus Consistency Ratio
Keterangan :
CR = Consistency Ratio
CI = Consistency Indeks
RI = Ratio Indeks
CR = 20,0959 / 0,900 = 22,3287
Tabel 3.3 Matr iks Perbandingan Karyawan Berdasar kan Kriteria Intelegensia.
Intelegensia Bayu J amal Sisca
Bayu 1,0000 0,2000 0,2000
Sisca 5,0000 5,0000 1,0000
J umlah 11,0000 6,2000 1,4000
Tabel 3.4 Matr iks Normalisasi
Intelgensia Bayu J amal Sisca Bobot
Bayu 0,0909 0,0323 0,1429 0,0887 J amal 0,4545 0,1613 0,1429 0,2529 Sisca 0,4545 0,8065 0,7143 0,6584 Konsistensi 1,0000 1,0000 1,0000 1,0000 Eigen Maksimum = ( 11,0000 x 0,0887 ) + ( 6,2000 x 0,2529 ) + ( 1,4000 x 0,6584 ) = 0,9757 + 1,5679 + 0,9218 = 3,4654
Karena matriks berordo 3 yakni 3 alternatif , nilai indeks konsistensi yang diperoleh :
CI =
Untuk n = 3, RI = 0,58 ( Tabel Saaty ), maka :
CR =
= 0,2327 / 0,58 = 0,4012
Tabel 3.5 Matr iks Perbandingan Karyawan Berdasar kan Kriteria Fisik
Fisik Bayu J amal Sisca
Bayu 1,0000 0,2000 0,3000
J amal 5,0000 1,0000 0,5000
Sisca 3,3333 2,0000 1,0000
J umlah 9,3333 3,2000 1,8000
Tabel 3.6 Matr iks Nor malisasi
Fisik Bayu J amal Sisca Bobot
Bayu 0,1071 0,0625 0,1666 0,1120
Sisca 0,3571 0,6250 0,5555 0,5125
Konsistensi 1,0000 1,0000 1,0000 1,0000
Eigen Maksimum = ( 9,3333 x 0,1120 ) + ( 3,2000 x 0,3753 ) + ( 1,8000 x 0,5125 )
= 1,0453 + 1,2009 + 0,9225 = 3,1687
Karena matriks berordo 3 yakni 3 alternatif , nilai indeks konsistensi yang diperoleh :
CI =
= 3,1687 – 3/ 3-1 = 0,1687 / 2 = 0,0843
Untuk n = 3, RI = 0,58 ( Tabel Saaty ), maka :
CR =
Tabel 3.7 Matr iks Perbandingan Karyawan Berdasar kan Kriteria Teknis.
Teknis Bayu J amal Sisca
Bayu 1,0000 0,3000 0,5000
J amal 3,3333 1,0000 0,7000
Sisca 2,0000 1,4286 1,0000
J umlah 6,3333 2,7286 2,2000
Tabel 3.8 Matr iks Nor malisasi
Teknis Bayu J amal Sisca Bobot
Bayu 0,1579 0,1099 0,2273 0,1650
J amal 0,5263 0,3665 0,3182 0,4037
Sisca 0,3158 0,5236 0,4545 0,4313
Eigen Maksimum = ( 6,3333 x 0,1650 ) + ( 2,7286 x 0,4037 ) + ( 2,2000 x 0,4313 )
= 1,0449 + 1,1015 + 0,9488 = 3,0952
Karena matriks berordo 3 yakni 3 alternatif , nilai indeks konsistensi yang diperoleh :
CI =
= 3,0952 – 3/ 3-1 = 0,0952 / 2 = 0,0476
Untuk n = 3, RI = 0,58 ( Tabel Saaty ), maka :
CR =
= 0,0476 / 0,58 = 0,0820
Tabel 3.9 Matr iks Perbandingan Karyawan Berdasar kan Kriteria Manajerial
Manajerial Bayu J amal Sisca
Bayu 1,0000 0,3000 0,7000
J amal 3,3333 1,0000 0,5000
J umlah 5,7619 3,3000 2,2000
Tabel 3.10 Matr iks Normalisasi
Manajerial Bayu J amal Sisca Bobot
Bayu 0,1736 0,0909 0,3190 0,1945 J amal 0,5785 0,3030 0,2273 0,3696 Sisca 0,2479 0,6060 0,4545 0,4362 Konsistensi 1,0000 1,0000 1,0000 1,0000 Eigen Maksimum = ( 5,7619 x 0,1945 ) + ( 3,3000 x 0,3696 ) + ( 2,2000 x 0,4362 ) = 1,1206 + 1,2196 + 0,9596 = 3,2998
Karena matriks berordo 3 yakni 3 alternatif , nilai indeks konsistensi yang diperoleh :
= 3,2998 – 3/ 3-1 = 0,2998 / 2 = 0,1499
Untuk n = 3, RI = 0,58 ( Tabel Saaty ), maka :
CR =
= 0,1499 / 0,58 = 0,2584
3.10 Faktor Evaluasi Total
Dari seluruh evaluasi yang dilakukan terhadap faktor-faktor kriteria Intelegensia, Fisik, Teknis, Manajerial, Diperoleh faktor evaluasi total sebagai berikut :
Tabel 3.11 Matriks Faktor Evaluasi Total
Kriter ia Intelegensia Fisik Teknis Manajerial
Bayu 0,0887 0,1120 0,1650 0,1945
J amal 0,2529 0,3753 0,4037 0,3696
Sisca 0,6584 0,5125 0,4313 0,4362
Total Ranking = Matrik Evaluasi Total dikalikan dikalikan dengan Bobot
(
Dikalikan Bobot Level 1 ( x )
Bayu = ( 0,0887 x 0,4828 ) + ( 0,1120 x 0,3117 ) + ( 0,1650 x 0,1378 ) +
( 0,1945 x 0,0677 )
= 0,0428 + 0,0349 + 0,0227 + 0,0131
= 0,1135
Jamal = ( 0,2529 x 0,4828 ) + ( 0,3753 x 0,3117 ) + ( 0,4037 x 0,1378 ) + Kriter ia Intelegensia Fisik Teknis Manajerial
Bayu 0,0887 0,1120 0,1650 0,1945 J amal 0,2529 0,3753 0,4037 0,3696 Sisca 0,6584 0,5125 0,4313 0,4362 Bobot Level 1 0,4828 0,3117 0,1378 0,0677
( 0,3696 x 0,0677 ) = 0,1221 + 0,1169 + 0,0556 + 0,0250 = 0,3196 Sisca = ( 0,6584 x 0,4828 ) + ( 0,5125 x 0,3117 ) + ( 0,4313 x 0,1378 ) + ( 0,4362 x 0,0677 ) = 0,3178 + 0,1597 + 0,0594 + 0,0295 = 0,5664
Tabel 3.11 Tabel RI ( Indeks Rasio )
N Rasio Indeks 1 0 2 0 3 0,58 4 0,900 5 1,12
6 1,24 7 1,32 8 1,41 9 1,45 10 1,49
3.12 Flowchart AHP
Flowchart AHP menjelaskan tahapan tahapan perhitungan metode AHP melalui diagram alir. U ntuk Flowchart AHP digambarkan seperti pada gambar dibawah ini:
KETERANGAN :
aij = Perbandingan bobot kriteria ke-i dan ke-j.
n = Kriteria
Wi = Bobot ke – i
Wj = Bobot ke – j
λmaks = Eigen maksimum
CI = Consistency Indeks
CR = Consistency Ratio
IR = Indeks Ratio
âi = Jumlah total bobot
âij = Eigen vektor
= Bobot level 1
[E] = Evaluasi total
3.13 Algoritma Tahapan Perhitungan :
1.) Menentukan perbandingan berpasangan antar kriteria.
2.) Memberikan penilaian terhadap elemen dalam matriks.
3.) Menghitung normalisasi matriks.
a. Menjumlahkan tiap kolom.
b. Tiap kolom dibagi berdasarkan (a).
4.) Menghitung eigen vector/bobot.
5.) Menghitung bobot prioritas.
6.) Menghitung bobot sisntesa.
7.) Menghitung nilai eigen maksimum.
8.) Menguji konsistensi.
9.) Nilai Ratio konsistensi < = 0,1 ( konsistensi )
10.) Jika nilai ratio konsistensi, tidak <=0,1 kembali ke langkah 2, jika iya lanjut ke langkah 11.
Dengan setiap bobot perbandingan pada level 2.
12.) Setiap hasil perhitungan evaluasi total [E], dikelompokkan menjadi kelompok rangking.
13.) Diperoleh himpunan rangking {R}.
85