IV METODE PENELITIAN
4.4 Metode Pengolahan Data
Penelitian ini menggunakan Proses Hierarki Analitik (PHA) metode pengolahan data. Pengunaan PHA untuk dapat menjawab permasalahan ke dua dari tujuan penelitian ini, untuk menjawab permasalahan pertama dengan cara deskriptif. Metode PHA pada dasarnya suatu teknik penyusunan masalah menjadi
38 sub-sub masalah. Hal ini di maksudkan agar dapat membuat suatu struktur hierarki dari masalah menjadi lebih sederhana dengan disertai alternatif pemecahan masalah.
Kerangka kerja PHA diawali pembuatan hierarki dengan cara mengumpulkan data dan informasi. Struktur hierarki yang telah tersusun menjadi dasar dalam pembuatan kuisioner. Kuisioner diberikan untuk mengetahui pembobotan setiap elemen pada seluruh tingkatan hierarki dengan memberikan prioritas menurut relatif tingkat kepentingan pada matriks berpasangan. Tahap terakhir dari metode ini adalah uji konsistensi dalam menerapkan skala prioritas terhadap elemen-elemen tersebut untuk mendapat hasil yang tepat. Data yang
diperoleh kemudian diolah dengan menggunakan program komputer Expert
Choice 2000.
1. Tahapan pengolahan data strategi saluran distribusi U Mild dengan
mengunakan metode PHA yang terdiri dari delapan langkah, mendefinisikan permasalahan dan merincikan pemecahan permasalahan strategi saluran distribusi U Mild yang diinginkan. Hal yang perlu diperhatikan dalam langkah ini adalah penguasaan masalah secara mendalam, karena yang menjadi perhatian adalah pemilihan tujuan, kriteria dan elemen-elemen yang menyusun struktur hierarki. Komponen-komponen sistem dapat diidentifikasi berdasarkan kemampuan pada analisis untuk menentukan unsur-unsur yang dapat dilibatkan dalam suatu sruktur hierarki
2. Membuat struktur hierarki dari sudut pandang manajemen secara menyeluruh. Penyusunan hierarki ini berdasarkan keputusan yang akan diambil. Pada tingkat puncak hierarki hanya terdiri dari suatu elemen yang disebut dengan
fokus yaitu sasaran keseluruhan yang bersifat luas. Tingkat berikut di bawahnya dapat terdiri dari beberapa elemen yang dibagi dalam kelompok homogen agar dapat dibandingkan dengan elemen-elemen yang berada pada tingkat sebelumnya.
Gambar 4 Struktur Hierarki Analisis Pemilihan Alternatif Strategi Saluran Distribusi yang Tepat
Keterangan :
F : Analisis pemilihan strategi alternatif saluran distribusi U Mild DP : Dasar Pemilihan
KP : Kendala pemilihan
A : Alternatif Strategi Saluran Distribusi
Tingkat banding yang pertama berisi tentang fokus, bertujuan untuk menentukan tujuan penyususan hierarki. Fokus dilakukan agar dalam proses Tingkat 1: Fokus Tingkat 2: Dasar pemilihan Tingkat 3: Faktor yang mempengaruhi Tingkat 4: Alternatif saluran Analisis Pemilihan Saluran DP 2 DP 3 KP 2 KP 3 KP 4 A 2 A 3 KP 1 DP 1 A 1
40 perbandingan elemen-elemen dapat sesuai dengan tujuan. Tingkat 2 berisi tentang dasar pemilihan, elemen ini ditentukan sebagai elemen yang akan menjadi tolok ukur atas perbandingan elemen-elemen dibawahnya. Tingkat 3 berisi tentang faktor yang mempengaruhi, bertujuan sebagai elemen-elemen pertimbangan dalam elemen sebelumnya dan elemen dibawahnya. Tingkat 4 sebagai alternatif saluran dimaksudkan sebagai pilihan dari tujuan hieraki. 3. Menyusun Martiks Perbandingan Berpasangan
Matriks banding berpasangan adalah matriks yang membandingkan bobot unsur dalam suatu hierarki dengan unsur-unsur dalam hierarki di atasnya. Matriks ini disusun sesuai dengan tujuan penelitian dan struktur hierarki analisa. Matriks ini dimulai dari puncak hierarki untuk fokus identifikasi permasalahan sebagai dasar untuk melakukan perbandingan berpasangan antara variabel yang terkait yang ada di bawahnya.
4. Mengumpulkan semua pertimbangan yang diperlukan untuk mengembangkan peringkat matriks di langkah ketiga. Setelah matriks perbandingan berpasangan antara elemen dibuat, dilakukan perbandingan berpasangan antara setiap elemen pada kolom ke-j dengan setiap elemen pada baris ke-i. Dengan fokus X. Pembandingan berpasangan antara elemen tersebut dilakukan dengan pertanyaan: seberapa kuat elemen baris ke-i, didominasi atau dipengaruhi, dipengaruhi, diuntungkan oleh fokus di puncak hierarki (X), dibandingkan dengan kolom ke-j. untuk mengisi matriks banding berpasangan, digunakan skala banding yang tertera pada Tabel 10. Angka-angka yang tertera menggambarkan relatif pentingnya suatu elemen dibanding dengan elemen lainnya sehubungan dengan sifat atau kriteria tertentu.
5. Memasukkan nilai-nilai kebalikannya beserta bilangan satu sepanjang diagonal utama, penentuan prioritas dan pengujian konsistensi. Angka satu sampai sembilan digunakan bila Fi lebih mendominasi atau mempengaruhi sifat fokus puncak hierarki (X) dibandingkan dengan Fj. Sedangkan bila Fi kurang mendominasi atau kurang mempengaruhi sifat X dibandingkan dengan Fj, maka digunakan angka kebalikannya.
Tabel 10 Nilai Skala Banding Berpasangan Intensitas
Pentingnya
Definisi Penjelasan
1 Kedua elemen sama pentingnya Dua elemen penyumbang
sama pentingnya
3 Elemen yang satu sedikit lebih
penting dari pada elemen yang lain
Pengalaman pertimbangan sedikit menyokong suatu
elemen
5 Elemen yang satu sangat penting
dari pada elemen yang penting
Pengalaman dan pertimbangan dengan kuat
menyokong satu elemen atas elemen lainya
7 Satu elemen jelas lebih penting
dari pada elemen yang lainnya
Suatu elemen dengan kuat disokong dan dominannya telah terlihat dalam praktek
9 Suatu elemen mutlak lebih
penting dari pada elemen lainya.
Bukti yang menyokong elemen yang satu atas yang
lainya memiliki tingkat penegasan yang tertinggi yang mungkin menguatkan 2,3,6,8 Nilai-nilai antara diantara dua
pertimbangan yang berdekatan
Kompromi diperlukan diantara dua pertimbangan Kebalikan Jika untuk aktifitasi i, mendapat suatu angka bila dibandingkan
dengan aktifitas j, maka j memilki bila kebaikannya bila dibandingkan dengan i.
Sumber : Saaty, 1993
6. Melaksanakan langkah ketiga, empat, dan lima untuk semua tingkat dan gugus dalam hierarki tersebut. Pembanding dilanjutkan untuk semua elemen pada setiap tingkat keputusan yang terdapat pada hierarki, berkenaan dengan kriteria elemen diatasnya. 1). Mariks pembanding individu (MPI) dan 2).
42 Matriks pendapat gabungan (MPG). MPI adalah matriks pembanding yang dilakukan individu. MPI memiliki elemen yang disimbolkan dengan aij yaitu elemen pada matriks pada baris ke-i, dan kolom ke-j. martiks pendapat individu dapat dilihat pada Tabel 10.
Tabel 11 Matriks Pendapat Individu
No. X g1 G2 g3 g4 1 g11 a11 A12 a13 a14 2 g12 a21 A22 a23 a24 3 g13 a31 A23 a33 a34 4 g14 an1 an2 an3 a44 Sumber: Saaty, 1993
Matriks pendapat gabungan (MPG) adalah susunan matriks baru elemen baru yang elemen (gij) berasal dari rata-rata geometric pendapat-pendapat individu yang risiko inkonsistensinya lebih kecil atau sama dengan 10 persen, dan setiap elemen pada baris dan kolom sama dari satu MPI dengan MPI yang lain tidak terjadi konflik. MPG dapat dilihat pada Tabel 12.
Tabel 12 Matriks Pendapat Gabungan
No. X A1 A2 A3 A4 1 A11 g11 G12 g13 g14 2 A12 g21 G22 g23 g24 3 A13 g31 G23 g33 g34 4 A14 gn1 gn2 gn3 g44 Sumber: Saaty, 1993
Rumus matematika yang dapat digunakan untuk memperoleh rata-rata geometri adalah : m m k k aij g
∏
= = 1 ) (Dimana:
gij = elemen ke-i, kolom ke-j
(aij)k = elemen baris ke-i, kolom ke-j jadi MPI ke-k
k = indeks MPI dari individu ke-k yang memenuhi syarat
m = jumlah MPI yang memenuhi syarat
7. Mensistetis prioritas untuk melakukan pembobotan vektor-vektor prioritas. Ada dua tahap didalam melakukan pembobotan vektor-vektor prioritas yaitu; pengolahan Horizontal dan pengolahan vertical. Kedua jenis pengolahan tersebut dapat dilakukan untuk MPI dan MPG. Pengolahan vertikal dilakukan setelah MPI dan MPG diolah secara horizontal, dimana MPI dan MPG harus memenuhi syarat Rasio Inkosistensi.
a) Pengolahan Horizontal, meliputi penentuan Vektor Eigen, Vektor prioritas, Uji konsistensi, revisi MPI dan MPG yang memiliki rasio inkosistensi tinggi.
• Vektor Eigen (VEi) dengan rumus: VEi = ( ) :(, 1,2,3... ) 1 n j i k aij n n k =
∏
=(aij)k = elemen baris ke-i, kolom ke-j dari MPI atau MPG ke-k
∏
=
n
k 1
= perkalian dari elemen k= 1 sampai k = n
n = jumlah elemen pada setiap tingkat
• Vektor Prioritas (VPi) dengan rumus VPi =
∑
= n i VEi VEi 144
• Vektor Antara (VA) = (aij) x VP Dengan VA=(VAi)
Nilai Eigen (VB) = VP VA
Dengan VB=(VBi)
• Perhitungan Nilai Eigen Maksimum (λMaks ) dengan rumus:
λMaks = n 1
∑
= n i VBi 1• Perhitungan Indeks Inkonsistensi (CI) dengan Rumus: CI = 1 − − N n maks λ
• Perhitungan Rasio Indeks (CR) dengan Rumus: CR =
RI CI
RI= Indeks acak (Random Indeks) yang dikeluarkan oleh Oak Ridge
Laboratory (Saaty, 1993) dari matriks berorde 1 sampai dengan 15 yang
menggunakan sampel berukuran 100.
Tabel 13 Nilai random Konsistensi Indeks (RI) Matriks Berordo 1 Sampai 15
Orde (n) RI Orde (n) RI Orde (n) RI
1 0.00 6 1.24 11 1.51 2 0.00 7 1.32 12 1.48 3 0.58 8 1.41 13 1.56 4 0.90 9 1.45 14 1.57 5 1.12 10 1.49 15 1.49 Sumber: Saaty (1993)
Nilai rasio inkonsistensi (CR) yang lebih kecil atau sama dengan 0.1 merupakan nilai yang mempunyai tingkat konsistensi yang baik dapat dipertanggung jawabkan. Hal ini karena CR merupakan tolak ukur bagi konsistensi atau tidaknya suatu hasil perbandingan berpasangan dalam matriks pendapat (Saaty, 1993)
b) Pengolahan vertikal, yaitu menyusun prioritas pengaruh pada setiap elemen pada tingkat hierarki keputusan tertentu terhadap sasaran utama. Apabila CVij
didefinisikan sebagai nilai prioritas pengaruh setiap elemen ke-j pada tingkat ke-i terhadap sasaran utama, maka:
CVij =
∑
CHij (t, i-1) x VWt (i-1) Untuk i = 1,2,3,…pj = 1,2,3,…r t = 1,2,3,…s Dimana :
CVij (t,i-1) = nilai prioritas pengaruh elemen ke-i terhadap elemen ke-t pada tingkat diatasnya (i-1), yang diperoleh dari hasil pengolahan horizontal.
VWt(i-1) = nilai prioritas pengaruh elemen ke-i terhadap elemen ke (i-1) Terhadap sasaran utama yang diperoleh dari hasil perhitungan
Horizontal.
P = jumlah tingkat hierarki keputusan
r = jumlah elemen yang ada pada tingkat ke (i-1)
s = jumlah elemen yang ada pada tingkat ke (i-j)
8. Mengevaluasi inkonsistensi untuk seluruh hierarki
Langkah ini dilakukan dengan mengkali setiap indeks konsitensi dengan prioritas-prioritas kriteria yang bersangkutan dalam menjumlahkan hasil kalinya. Hasil ini dibagi dengan pernyataan sejenis yang menggunakan indeks konsistensi acak, yang sesuai dengan dimensi masing-masing matriks. Untuk
46 memperoleh hasil yang baik. Rasio inkonsistensi harus bernilai kurang dari atau sama dengan 10 persen. Pada tahap pengolahan rasio inkonsistensi selebihnya dikerjakan dengan mengunakan software expert choice 2000, untuk membantu mempermudah penulis untuk melakukan pengolahan data. Jika rasio inkonsistensi mempunyai lebih dari 10 persen, maka informasi harus ditinjau kembali dan diperbaiki, antara lain dengan mengunakan pertanyaan ketika melakukan pengisian ulang kuesioner dan mengarahkan responden mengisi kuesioner.