IV- 1 4.1. Supply Chain pada UMKM Noerlen
4.5. Pengolahan Data AHP (Analytical Hierarchy Process)
4.5.2. Pembobotan Antar Atribut
Data yang digunakan pada pembobotan antar (atribut) diperoleh dari kuesioner yang dimasukkan kedalam matriks perbandingan berpasangan.
Langkah-langkah perhitungan sama seperti perhitungan antar proses.
1. Pembobotan Antar Atribut pada Proses Plan.
Langkah-langkah :
a. Menyusun matriks perbandingan berpasangan antar proses yang dapat dilihat pada Tabel 4.7.
Tabel 4.7. Matriks Perbandingan Berpasangan Antar Atribut Pada Proses Plan
Proses Plan Reliability Responsiveness
Reliability 1 7
Responsiveness 1/7 1
Sumber : Pengolahan Data
b. Melakukan pembobotan antar atribut pada proses plan pada matriks perbandingan berpasangan. Hasil perhitungan pembobotan dapat dilihat pada Tabel 4.8
Tabel 4.8.Hasil Perhitungan Pembobotan Antar Atribut pada Proses Plan Proses Plan Reliability Responsiveness
Reliability 1,000 7,000 Responsiveness 0,143 1,000
Total 1,143 8,000
Sumber : Pengolahan Data
c. Melakukan normalisasi antar proses pada matriks perbandingan berpasangan. Hasil perhitungan normalisasi antar atribut pada proses plan dapat dilihat pada Tabel 4.9.
Tabel 4.9.Hasil Normalisasi Antar Atribut Proses Plan Proses Plan Reliability Responsiveness Reliability 0,875 0,875 Responsiveness 0,125 0,125
Total 1 1
Sumber : Pengolahan Data
d. Perhitungan nilai Eugen Vector. Hasil perhitungan eugen vector dapat dilihat pada Tabel 4.10.
Tabel 4.10.Hasil Perhitungan Eugen Vector Proses Plan Proses Plan Total Weight Matrix Eugen Vector
Reliability 1,750 0,875
Responsiveness 0,250 0,125
Sumber : Pengolahan Data
e. Perhitu g λ ks
λ ks = (( 7 x 1,143) + (0,125 x 8,000) = 2,000 f. Perhitungan CI (Consistency Index)
C = (λ ks – 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 Source Langkah-langkah :
a. Menyusun matriks perbandingan berpasangan antar proses yang dapat dilihat pada Tabel 4.11.
Tabel 4.11. Matriks Perbandingan Berpasangan Antar Atribut Pada Proses Source
Proses Make Reliability Responsiveness Asset
Reliability 1 1 7
Responsiveness 1 1 7
Asset 1/7 1/7 1
Sumber : Pengolahan Data
b. Melakukan pembobotan proses pada matriks perbandingan berpasangan.
Hasil perhitungan pembobotan antar atribut pada proses source dapat dilihat pada Tabel 4.12.
Tabel 4.12. Hasil Perhitungan Pembobotan Antar Atribut Pada Proses Source
Proses Make Reliability Responsiveness Asset
Reliability 1,000 1,000 7,000
Responsiveness 1,000 1,000 7,000
Asset 0,143 0,143 1,000
Total 2,143 2,143 15,000
Sumber : Pengolahan Data
c. Melakukan normalisasi antar proses pada matriks perbandingan berpasangan. Hasil normalisasi antar atribut pada proses source dapat dilihat pada Tabel 4.13.
Tabel 4.13. Hasil Normalisasi Antar Atribut Proses Source Proses Make Reliability Responsiveness Asset Reliability 0,467 0,467 0,467 Responsiveness 0,467 0,467 0,467
Asset 0,067 0,067 0,067
Total 1 1 1
Sumber : Pengolahan Data
d. Perhitungan nilai Eugen Vector. Hasil perhitungan eugen vector dapat dilihat pada Tabel 4.14.
Tabel 4.14. Hasil Perhitungan Eugen Vector Proses Source Proses Make Total Weight Matrix Eugen Vector
Reliability 1,400 0,467
Responsiveness 1,400 0,467
Asset 0,200 0,067
Sumber : Pengolahan Data
e. Perhitu g λ ks
λ ks = ((0,467 x 2,143) + (0,467 x 2,143) + (0,067 x 15,000) = 3,000 f. Perhitungan CI (Consistency Index)
C = (λ ks – 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 = 3, RI = 0,58 sehingga CR = 0,00/0,58 = 0,00 = 0%, sehingga CR < 10 %, maka data yang digunakan telah konsisten dan hasil perhitungan dinyatakan benar.
3. Pembobotan Antar Atribut pada Proses Make Langkah-langkah :
a. Menyusun matriks perbandingan berpasangan antar atribut proses make yang dapat dilihat pada Tabel 4.15.
Tabel 4.15. Matriks Perbandingan Berpasangan Antar Atribut Pada Proses Make
Proses Make Reliability Responsiveness Asset
Reliability 1 1 7
Responsiveness 1 1 7
Asset 1/7 1/7 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 4.16.
Tabel 4.16. Hasil Perhitungan Pembobotan Antar Atribut pada Proses Make Proses Make Reliability Responsiveness Asset
Reliability 1,000 1,000 7,000
Responsiveness 1,000 1,000 7,000
Asset 0,143 0,143 1,000
Total 2,143 2,143 15,000
Sumber : Pengolahan Data
c. Melakukan normalisasi antar proses pada matriks perbandingan berpasangan. Hasil normalisasi antar atribut pada proses make dapat dilihat pada Tabel 4.17.
Tabel 4.17.Hasil Normalisasi Antar Atribut Proses Make Proses Make Reliability Responsiveness Asset Reliability 0,467 0,467 0,467 Responsiveness 0,467 0,467 0,467
Asset 0,067 0,067 0,067
Total 1 1 1
Sumber : Pengolahan Data
d. Perhitungan nilai Eugen Vector. Hasil perhitungan eugen vector dapat dilihat pada Tabel 4.18.
Tabel 4.18.Hasil Perhitungan Eugen Vector Proses Make Proses Make Total Weight Matrix Eugen Vector
Reliability 1,400 0,467
Responsiveness 1,400 0,467
Asset 0,200 0,067
Sumber : Pengolahan Data
e. Perhitu g λ ks
λ ks = (( 7 x 2,143) + (0,467 x 2,143) + (0,067 x 15,000) = 3,000 f. Perhitungan CI (Consistency Index)
C = (λ ks – 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 = 3, RI = 0,58, sehingga CR = 0,00/0,58 = 0,00 = 0%, sehingga CR < 10 %, maka data yang digunakan telah konsisten dan hasil perhitungan dinyatakan benar.
4. Pembobotan Antar Atribut pada Proses Deliver Langkah-langkah :
a. Menyusun matriks perbandingan berpasangan antar atribut pada proses deliver yang dapat dilihat pada Tabel 4.19.
Tabel 4.19. Matriks Perbandingan Berpasangan Antar Atribut Pada Proses Deliver
Proses Deliver Reliability Responsiveness
Reliability 1 1
Responsiveness 1 1
Sumber : Pengolahan Data
b. Melakukan pembobotan proses pada matriks perbandingan berpasangan.
Hasil perhitungan pembobotan antar atribut pada proses deliver dapat dilihat pada Tabel 4.20.
Tabel 4.20. Hasil Perhitungan Pembobotan Antar Atribut Proses Deliver Proses Deliver Reliability Responsiveness
Reliability 1,000 1,000 Responsiveness 1,000 1,000
Total 2,000 2,000
Sumber : Pengolahan Data
c. Melakukan normalisasi antar proses pada matriks perbandingan berpasangan. Hasil normalisasi antar atribut pada proses deliver dapat dilihat pada Tabel 4.21.
Tabel 4.21. Hasil Normalisasi Antar Atribut pada Proses Deliver Proses Deliver Reliability Responsiveness
Reliability 0,500 0,500 Responsiveness 0,500 0,500
Total 1 1
Sumber : Pengolahan Data
d. Perhitungan nilai Eugen Vector. Hasil perhitungan eugen vector dapat dilihat pada Tabel 4.22.
Tabel 4.22. Hasil Perhitungan Eugen Vector Proses Deliver Proses Deliver Total Weight Matrix Eugen Vector
Reliability 1,000 0,500
Responsiveness 1,000 0,500
Sumber : Pengolahan Data
e. Perhitu g λ ks
λ ks = (( 00 x 2,000) + (0,500 x 2,000) = 2,000 f. Perhitungan CI (Consistency Index)
C = (λ ks – 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.
5. Pembobotan Antar Atribut pada Proses Return Langkah-langkah :
a. Menyusun matriks perbandingan berpasangan antar atribut pada proses deliver yang dapat dilihat pada Tabel 4.23.
Tabel 4.23. Matriks Perbandingan Berpasangan Antar Atribut Pada Proses Return
Proses Return Reliability Responsiveness
Reliability 1 1
Responsiveness 1 1
Sumber : Pengolahan Data
b. Melakukan pembobotan antar atribut pada proses return pada matriks perbandingan berpasangan. Hasil perhitungan pembobotan antar atribut pada proses return dapat dilihat pada Tabel 4.24.
Tabel 4.24.Hasil Perhitungan Pembobotan Antar Atribut pada Proses Return Proses Return Reliability Responsiveness
Reliability 1,000 1,000 Responsiveness 1,000 1,000
Total 2,000 2,000
Sumber : Pengolahan Data
c. Melakukan normalisasi antar proses pada matriks perbandingan berpasangan. Hasil normalisasi antar atribut pada proses return dapat dilihat pada Tabel 4.25.
Tabel 4.25.Hasil Normalisasi Antar Atribut pada Proses Return Proses Return Reliability Responsiveness
Reliability 0,500 0,500 Responsiveness 0,500 0,500
Total 1 1
Sumber : Pengolahan Data
d. Perhitungan nilai Eugen Vector. Hasil perhitungan eugen vector dapat dilihat pada Tabel 4.26.
Tabel 4.26.Hasil Perhitungan Eugen Vector Proses Return Proses Return Total Weight Matrix Eugen Vector
Reliability 1,000 0,500
Responsiveness 1,000 0,500
Sumber : Pengolahan Data
e. Perhitu g λ ks
λ ks = (( 00 x 2,000) + (0,500 x 2,000)) = 2,000 f. Perhitungan CI (Consistency Index)
C = (λ ks – 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.