PENGUMPULAN DAN PENGOLAHAN DATA
JENIS KERETA
IV- 12 K11 adalah 2,588 dan K 13 adalah 3,260
Langkah 2 :
Langkah kedua adalah melakukan perbandingan masing-masing nilai rata-rata geometrik subkriteria dengan nilai penjumlahan kolom rata-rata geometrik. Maka perbandingan data kriteria (K11, K11) yaitu :
1,000
2,588 뾸 0,386
Langkah 3 :
Langkah ketiga yaitu menghitung nilai bobot ideal untuk masing-masing penilaian responden dengan merata-ratakan hasil penjumlahan tiap baris. Maka bobot ideal subkriteria K11 adalah :
= (0,386+0,387+0,387)/3 = 0,386
Hasil penghitungan ini dapat dilihat pada tabel 4.20. Hasil penghitungan bobot kepentingan kriteria ini akan dikalikan dengan bobot kepentingan kriteria untuk didapat bobot global tiap subkriteria. Sebelum itu dilakukan penghitungan konsistensi untuk melihat dan menilai konsistensi dari penilaian yang telah dilakukan.
Tabel 4.20. Hasil Penghitungan AHP Subkriteria Fungsi
AHP K11 K12 K13 Jumlah Bobot Ideal (w) Rangking
K11 0,386 0,387 0,387 1,159 0,386 1
K12 0,307 0,307 0,307 0,920 0,307 2
K13 0,307 0,307 0,307 0,920 0,307 2
Jumlah 1,000 1,000 1,000 3,000 1,000
Langkah 1 :
Perkalian matriks nilai bobot ideal tiap subkriteria wK11 = 0,386 sampai dengan wK13 = 0,307 dengan hasil penghitungan rata-rata geometris responden K11. K11 = 1,000 sampai dengan K13. K13 = 1,000.
0,386 1,000 1,260 1,260
0,307 x 0,794 1,000 1,000
commit to user
IV-13 Langkah 2 :
Penghitungan penjumlahan nilai PK11 = wK11.K11. K11 + wK12.K11. K12 + wK13.K11. K13
PK1.1 = 0,386 . 1,000 + 0,307 . 1,260 + 0,307 . 1,260 = 1,160 Langkah 3 :
Penghitungan P/w yaitu pembagian nilai P dengan nilai pembobotannya (bobot ideal).
PK11/ wK11 = 1,160/0,386 = 3,000293
Langkah 1 sampai dengan langkah 3 dilakukan pada setiap subkriteria dan didapat hasil seperti pada tabel 4.21.
Tabel 4.21. Matriks penghitungan Nilai Konsistensi Subkriteria Fungsi
AHP K11 K12 K13 P K11 0,386 0,387 0,387 1,160 K12 0,307 0,307 0,307 0,920 K13 0,307 0,307 0,307 0,920 P/w 3,00029 3,0002933 3,00029 9,001 Langkah 4 :
Penghitungan nilai eigen maksimum (lmaks ) yaitu rata-rata P/w lmaks = {( PK11/ wK11) + ( PK12/ wK12) + ( PK13/ wK13 )}/3
lmaks = 3,00029 Langkah 5 :
Penghitungan indeks konsistensi (CI), karena matriks berordo 3, nilai indeks konsistensi yang diperoleh :
1 -= n n CI lmaksimum 1 3 3 00029 , 3 -= CI = 0.000145 Langkah 6 :
commit to user
IV-14
Penghitungan rasio konsistensi (CR) yakni perbandingan indeks konsistensi dengan nilai pembangkit random (RI) yang ditabelkan dalam tabel 2.2. Nilai ini bergantung pada ordo matriks n.
52 , 0 000145 , 0 = CR = 0.000279
Dari penghitungan didapatkan nilai CR adalah 0,000279 maka dapat disimpulkan bahwa data responden ini dapat dikatakan konsisten. Nilai pembobotan kepentingan masing-masing subkriteria dan rangking ditampilkan pada tabel 4.22.
Tabel 4.22. Nilai Bobot Kepentingan Subkriteria Fungsi
Subkriteria Bobot Rangking
Kekuatan 0,386 1
Kenyamanan 0,307 2
Kemudahan pengoperasian 0,307 2
2. Estetika
Langkah atau cara penghitungan sama dengan langkah penghitungan subkriteria dari kriteria fungsi dengan penyesuaian nilai-nilai elemen menggunakan tabel 4.16. Hasil penghitungannya dapat dilihat pada tabel 4.23. Selanjutnya dilakukan penghitungan konsistensi untuk melihat dan menilai konsistensi dari penilaian yang telah dilakukan.
Tabel 4.23. Hasil Penghitungan AHP Subkriteria Estetika
AHP K21 K22 K23 K21 1,000 0,630 1,587 K22 1,587 1,000 2,289 K23 0,630 0,437 1,000 Jumlah 3,217 2,067 4,876 Langkah 1 :
Perkalian matriks nilai bobot ideal tiap kriteria wK21 = 0,314 sampai dengan wK23 = 0,204 dengan hasil penghitungan rata-rata geometris responden K21.
RI CI
commit to user IV-15 K21 = 1,000 sampai dengan K23. K23 = 1,000. 0,314 1,000 0,630 1,587 0,482 x 1,587 1,000 2,289 0,204 0,630 0,437 1,000 Langkah 2 :
Penghitungan penjumlahan nilai PK21 = wK21.K21. K21 + wK22.K21. K22 + wK23.K21. K23
PK11 = 0,314 . 1,000 + 0,482 . 1,260 + 0,204 . 1,587 = 0,941 Langkah 3 :
Penghitungan P/w yaitu pembagian nilai P dengan nilai pembobotannya (bobot ideal).
PK21/ wK21 = 0,941/0,314 = 3,000944
Langkah 1 sampai dengan langkah 3 dilakukan pada setiap kriteria dan didapat hasil seperti pada tabel 4.24.
Tabel 4.24. Matriks penghitungan Nilai Konsistensi Subkriteria Estetika
AHP K21 K22 K23 Jumlah Bobot Ideal (w) Rangking
K21 0,311 0,305 0,325 0,941 0,314 2
K22 0,493 0,484 0,469 1,447 0,482 1
K23 0,196 0,211 0,205 0,612 0,204 3
Jumlah 1,000 1,000 1,000 3,000 1,000
Langkah 4 :
Penghitungan nilai eigen maksimum (lmaks ) yaitu rata-rata P/w lmaks = {( PK21/ wK21) + ( PK22/ wK22) + ( PK23/ wK23 )}/3
lmaks = 3,001 Langkah 5 :
Penghitungan indeks konsistensi (CI), karena matriks berordo 3, nilai indeks konsistensi yang diperoleh :
1 -= n n CI lmaksimum 1 3 3 001 , 3 -= CI = 0.000497
commit to user
IV-16 Langkah 6 :
Penghitungan rasio konsistensi (CR) yakni perbandingan indeks konsistensi dengan nilai pembangkit random (RI) yang ditabelkan dalam tabel 2.2. Nilai ini bergantung pada ordo matriks n.
52 , 0 000497 , 0 = CR = 0.000955
Dari penghitungan didapatkan nilai CR adalah 0,000955 maka dapat disimpulkan bahwa data responden ini dapat dikatakan konsisten. Nilai pembobotan kepentingan masing-masing subkriteria dan rangking ditampilkan pada tabel 4.23.
Tabel 4.25. Nilai Bobot Kepentingan Subkriteria Estetika
Subkriteria Bobot Rangking
Desain 0,314 2
Makna Simbolik 0,482 1
Originalitas 0,204 3
Tahap selanjutnya adalah penghitungan untuk mencari bobot kepentingan global dari keenam subkriteria dengan cara mengalikan bobot tiap kriteria dengan bobot tiap subkriterianya. Hasil penghitungan bobot kepentingan global ditampilkan pada tabel 4.26.
Tabel 4.26. Hasil Penghitungan Bobot Global Subkriteria
Kriteria Bobot Kriteria Subkriteria Bobot Subkriteria Bobot Global
Kekuatan 0,386 0,180 Kenyamanan 0,307 0,143 Kemudahan pengoperasian 0,307 0,143 Desain 0,314 0,168 Makna Simbolik 0,482 0,257 Originalitas 0,204 0,109 Fungsi Estetika 0,466 0,534 RI CI CR =
commit to user
IV-17
4.3.3 Pengumpulan Data Penilaian Penyedia Barang
Pada tahap ini dilakukan pengumpulan data penilaian penyedia barang berdasarkan subkriteria penilaian. Data ini nantinya akan digunakan dalam proses pengolahan selanjutnya yaitu menggunakan metode Technique for Order Preference by Similarity to Ideal Solution (TOPSIS). Data tabel penilaian tersebut merupakan akumulasi penilaian dari tiga juri.
Selanjutnya dilakukan penghitungan akar dari penjumlahan kuadrat pada tiap nilai data untuk memudahkan dalam penghitungan TOPSIS. Tabel 4.27 menyajikan hasil penghitungan tersebut beserta nilai maksimal dan minimal dari setiap data.
Tabel 4.27. Penghitungan Data Penilaian Penyedia Barang
PENILAIAN K11 K12 K13 K21 K22 K23 Peserta 1 270 254 240 250 265 245 Peserta 2 260 245 255 260 265 240 Peserta 3 255 260 249 240 265 255 Peserta 4 268 252 260 240 265 240 (∑(Xkj^2))^0,5 526,639 505,613 502,221 495,278 530,000 490,153 Max 270 260 260 260 265 255 Min 255 245 240 240 265 240
4.3.4 Penghitungan Normalisasi Data
Pada tahap ini dilakukan normalisasi data untuk data yang memiliki satuan berbeda untuk menghilangkan fungsi satuan dari masing-masing data. Metode TOPSIS memliki kelebihan dalam mengolah data kuantitatif dengan satuan yang berbeda sehingga nantinya memudahkan dalam penghitungan pembobotan pada masing-masing subkriteria. Penghitungan normalisasi data dilakukan dengan persamaan (2.5).
commit to user
IV-18
Penghitungan diatas adalah salah satu penghitungan normalisasi data untuk subkriteria K11 dalam kasus dua penyedia barang. Hasil keseluruhan penghitungan disajikan pada tabel 4.28.
Tabel 4.28. Normalisasi Data Penilaian Penyedia Barang
rkj K11 K12 K13 K21 K22 K23
Peserta 1 0,513 0,502 0,478 0,505 0,500 0,500
Peserta 2 0,494 0,485 0,508 0,525 0,500 0,490
Peserta 3 0,484 0,514 0,496 0,485 0,500 0,520
Peserta 4 0,509 0,498 0,518 0,485 0,500 0,490
4.3.5 Pembobotan Data Ternormalisasi
Pada proses TOPSIS data ternormalisasi tiap subkriteria akan dilakukan pembobotan dari hasil penghitungan bobot kepentingan menggunakan metode AHP. Penghitungannya dengan menggunakan persamaan (2.6) yaitu dengan mengalikan tiap data ternormalisasi dengan tiap bobot subkriteria.
úú 뾸 0,180 0,513 뾸 0,092
Penghitungan diatas adalah salah satu penghitungan pembobotan data ternormalisasi untuk V11. Hasil keseluruhan penghitungan disajikan pada tabel 4.29 beserta nilai maksimal dan minimal dari tiap pembobotan data ternormalisasi. Nilai maksimal dan minimal dari tiap pembobotan data ternormalisasi berfungsi sebagai solusi ideal positif (batas atas) dan solusi ideal negatif (batas bawah) yang digunakan untuk melakukan penghitungan selanjutnya yaitu menghitung nilai separasi solusi ideal positif dan nilai separasi solusi ideal negatif.
commit to user IV-19 Vij K11 K12 K13 K21 K22 K23 Peserta 1 0,092 0,072 0,068 0,085 0,129 0,054 Peserta 2 0,089 0,069 0,073 0,088 0,129 0,053 Peserta 3 0,087 0,074 0,071 0,081 0,129 0,057 Peserta 4 0,092 0,071 0,074 0,081 0,129 0,053 Max 0,092 0,074 0,074 0,088 0,129 0,057 Min 0,087 0,069 0,068 0,081 0,129 0,053
4.3.6 Penghitungan Separasi Solusi Ideal Positif dan Separasi Solusi Ideal Negatif
4.3.6.1 Penghitungan Separasi Solusi Ideal Positif
Penghitungan solusi ideal positif adalah dengan menghitung kuadrat selisih data terhadap nilai maksimumnya lalu diakumulasikan sesuai jumlah subkriteria dan diakar. Penghitungan ini menggunakan persamaan (2.9). Penghitungan dibawah adalah salah satu penghitungan separasi solusi ideal positif untuk peserta 1. Hasil keseluruhan penghitungan disajikan pada tabel 4.30.
∗ 뾸 0,092 0,092 2 0,072 0,074 2… … . 0,054 0,053 2
= 0,007
Tabel 4.30. Separasi Solusi Ideal Positif
TOPSIS Dk*
Peserta 1 0,007
Peserta 2 0,007
Peserta 3 0,009
Peserta 4 0,008
4.3.6.2 Penghitungan Separasi Solusi Ideal Negatif
Penghitungan separasi solusi ideal negatif adalah dengan menghitung kuadrat selisih data terhadap nilai minimumnya lalu diakumulasikan sesuai jumlah subkriteria dan diakar. Penghitungan ini menggunakan persamaan (2.10). Penghitungan dibawah adalah salah satu penghitungan separasi solusi ideal negatif untuk peserta 1. Hasil keseluruhan penghitungan disajikan pada tabel 4.31.
commit to user
IV-20
뾸 0,092 0,087 2 0,072 0,069 2… … . 0,072 0,072 2
= 0,007
Tabel 4.31. Separasi Solusi Ideal Negatif
TOPSIS
Dk-Peserta 1 0,007
Peserta 2 0,008
Peserta 3 0,006
Peserta 4 0,007
4.3.6 Penghitungan Kedekatan Relatif terhadap Solusi Ideal
Tahap ini dilakukan setelah penghitungan separasi solusi ideal positif dan separasi solusi ideal negative selesai. Penghitungan kedekatan relative terhadap solusi ideal merupakan langkah terakhir untuk mendapatkan solusi optimal. Penghitungan ini menggunakan persamaan (2.11), penghitungannya adalah membagi nilai separasi solusi ideal negatif dengan penjumlahan nilai separasi solusi ideal positif dan nilai separasi solusi ideal negatif.
ú∗ 뾸 0,007 0,0070,007
ú∗ 뾸0,0070,014
= 0,484
Penghitungan diatas adalah salah satu penghitungan kedekatan relatif terhadap solusi ideal untuk peserta 1. Hasil keseluruhan penghitungan disajikan pada tabel 4.32.
commit to user IV-21 TOPSIS (Dk*+Dk-) C* Rangking Peserta 1 0,014 0,484 3 Peserta 2 0,015 0,556 1 Peserta 3 0,015 0,397 4 Peserta 4 0,015 0,486 2
4.4 Perancangan Desain Proses Bisnis
Perancangan proses bisnis ini menggambarkan semua rangkaian aktifitas yang harus dilakukan untuk mendapatkan suatu output atau hasil. Perancangan proses bisnis ini digambarkan dalam sebuah use case diagram. Use case diagram mampu menggambarkan fungsionalitas yang digambarkan dalam sistem. Use case diagram
juga mampu menunjukkan sebuah interaksi user dengan sistem. Gambar 4.3 menampilkan use case diagram dari program sistem pendukung keputusan yang akan dibuat.
commit to user
IV-22
4.5 Perancangan Entity Relationship Diagram (ERD)
Entity relationship diagram menggambarkan hubungan antara entitas-entitas dalam basisdata yang akan dipakai dalam perancangan program sistem pendukung keputusan. Terdapat delapan entitas yang terlibat dalam perancangan ERD, antara lain:
1. Pengguna : menyimpan semua informasi entitas pengguna (user) proyek pengadaan barang.
2. Kategori pengguna : menyimpan semua informasi entitas kategori pengguna proyek pengadaan barang.
3. Pengadaan : menyimpan semua informasi entitas proyek pengadaan barang. 4. Ketegori pengadaan : menyimpan semua informasi entitas proyek pengadaan
barang.
5. Kriteria : menyimpan semua informasi entitas kriteria dan subkriteria proyek pengadaan barang.
6. Matriks bobot : menyimpan semua informasi entitas matriks bobot proyek pengadaan barang
7. Penilaian : menyimpan semua informasi entitas penilaian proyek pengadaan barang
8. Peserta : menyimpan semua informasi entitas peserta proyek pengadaan barang.
commit to user
IV-23
Gambar 4.4 Rancangan Entity relationship diagram
4.5.1 Perancangan Desain Interface
Perncangan desain interface atau tatap muka bertujuan untuk memudahkan pengguna sistem pendukung keputusan. Perancangan interface atau tatap muka ini dibagi menjadi 4 bagian utama :
1. Halaman Login (halaman awal) 2. Halaman Input
3. Halaman Penghitungan 4. Halaman Output 5.
commit to user
IV-24