IMPLEMENTASI METODE ANALYTIC HIERARCHY PROCESS
(AHP) DAN SIMPLE ADDITIVE WEIGHTING (SAW) DALAM
PEMILIHAN OPERATOR SELULER TERBAIK
SKRIPSI
DESIMAWATI CHRISTINA NAINGGOLAN
121421036
PROGRAM STUDI EKSTENSI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
IMPLEMENTASI METODE ANALYTIC HIERARCHY PROCESS
(AHP) DAN SIMPLE ADDITIVE WEIGHTING (SAW) DALAM
PEMILIHAN OPERATOR SELULER TERBAIK
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Sarjana Ilmu Komputer
DESIMAWATI CHRISTINA NAINGGOLAN 121421036
PROGRAM STUDI EKSTENSI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA MEDAN
PERSETUJUAN
Judul : IMPLEMENTASI METODE ANALYTIC
HIERARCHY PROCESS (AHP) DAN SIMPLE ADDITIVE WEIGHTING (SAW) DALAM PEMILIHAN OPERATOR SELULER TERBAIK.
Kategori : SKRIPSI
Nama : DESIMAWATI CHRISTINA NAINGGOLAN
Nomor Induk Mahasiswa : 121421036
Program Studi : EKSTENSI S1 ILMU KOMPUTER
Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
Diluluskan di
Medan, 2014
Komisi Pembimbing :
Pembimbing 2 Pembimbing 1
Amer Sharif, S.Si, M.Kom Maya Silvi Lydia, BSc, MSc. NIP. 19740127 200212 2 001
Diketahui/Disetujui oleh
Program Studi S1 Ilmu Komputer Ketua,
PERNYATAAN
IMPLEMENTASI METODE ANALYTIC HIERARCHY PROCESS (AHP) DAN SIMPLE ADDITIVE WEIGHTING (SAW) DALAM PEMILIHAN OPERATOR
SELULER TERBAIK
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, 2014
PENGHARGAAN
Segala puji dan syukur Penulis ucapkan kepada Tuhan Yang Maha Esa yang senantiasa melimpahkan rahmat dan karunia-Nya sehingga skripsi ini dapat diselesaikan.
Ucapan terima kasih Penulis sampaikan kepada semua pihak yang telah membantu Penulis dalam menyelesaikan skripsi ini baik secara langsung maupun tidak langsung, teristimewa untuk orangtua yang paling penulis kasihi dan sayangi yaitu Wilmar Nainggolan dan Tiorida br.Sitohang. Pada kesempatan ini penulis ingin mengucapkan terima kasih yang sebesar-besarnya kepada :
1. Bapak Prof. Dr. dr. Syahril Pasaribu, DTM&H, M.Sc.(CTM), Sp.A.(K) selaku Rektor Universitas Sumatera Utara.
2. Bapak Prof. Dr. Muhammad Zarlis selaku Dekan Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.
3. Bapak Dr. Poltak Sihombing, M.Kom. selaku Ketua Program Studi S1 Ilmu Komputer Universitas Sumatera Utara.
4. Ibu Maya Silvi Lydia B.Sc., M.Sc. selaku Sekretaris Program Studi S1 Ilmu Komputer Universitas Sumatera Utara dan selaku Dosen Pembimbing I yang telahbanyak memberikan ilmu, bimbingan, saran, dan masukan kepada penulis dalam pengerjaan skripsi ini.
5. BapakAmer Sharif, Ssi, M.Kom. selaku Dosen Pembimbing II yang telah memberikan bimbingan, saran, dan masukan kepada penulis dalam pengerjaan skripsi ini.
7. BapakDrs. Marihat Situmorang, M.Kom. selaku Dosen Pembanding II yang telah memberikan kritik dan saran dalam penyempurnaan skripsi ini.
8. Semua dosen dan semua pegawai di Program Studi S1 Ilmu Komputer Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.
9. Roy Nando Napitupulu yang telah banyak mendukung dan memberi motivasi kepada penulis
10. Abang penulis Yosua Nainggolan dan Kedua adik Penulis yang tersayangArif Immanuel Nainggolan dan Okta Sudirman Nainggolan
11. Teman-teman seperjuangan mahasiswa Ekstensi S1-Ilmu Komputer stambuk 2012, Reza Mahardi, Novri Sultanti, Rino Tanjung, Edison Marcopolo, Claudia, Puspita, dan teman-teman yang lain yang telah memberikan semangat dan menjadi teman diskusi penulis dalam menyelesaikan skripsi ini.
12. Semua pihak yang terlibat langsung ataupun tidak langsung yang tidak dapat penulis ucapkan satu per satu.
Penulis menyadari bahwa skripsi ini masih terdapat kekurangan. Oleh karena itu, kepada pembaca agar kiranya memberikan kritik dan saran yang bersifat membangun demi kesempurnaan skripsi ini.
Medan, 2014
Penulis,
ABSTRAK
Sistem pendukung keputusan adalah salah satu solusi bagi pembuat kebijakan dalam mengambil sebuah keputusan. Banyaknya Operator Seluler yang menawarkan fitur-fitur yang membuat calon pembeli bingung sehingga sering berganti operator dan membuat permasalahan baru dalam menentukan tingkat layanan operator seluler.. Tujuan dari penelitian ini adalah untuk membangun sebuah sistem aplikasi yang mempunyai kemampuan untuk menentukan Operator Seluler Terbaik berdasarkan nilai dari kriteria pemilihan dan dengan memperhatikan jenis keputusan dari setiap kriteria. Sistem Pendukung Keputusan yang digunakan dalam penelitian ini menggunakan Metode Analytic Hierarchy Process (AHP) dan Metode Simple
Additive Weighting (SAW). Data yang digunakan dalam penelitian ini adalah data
yang diperoleh dari hasil kuisioner yang dilakukan terhadap kalangan mahasiswa Fasilkom-TI USU. Dalam mengambil keputusan digunakan 5 kriteria pembanding untuk menentukan Operator Seluler Terbaik, yaitu Tarif Telepon, SMS, Internet, Layanan, Bonus. Aplikasi pada penelitian ini dibangun dengan menggunakan bahasa pemrograman Java.Dari hasil pengujian, dengan menggunakan Metode Analytic
Hierarchy Process (AHP), sistem ini dapat menentukan Operator Seluler Terbaik
yaitu alternatif Simpati dengan ranking pertama diperoleh nilai 0.221 dan Metode
Simple Additive Weighting (SAW) yaitu alternatif Simpati dengan bobot nilai 0.595.
Dari penelitian ini dihasilkan aplikasi yang dapat membantu calon konsumen dalam menentukan keputusan untuk memilih operator seluler terbaik.
.
IMPLEMENTATION OF ANALYTIC HIERARCHY PROCESS(AHP) AND SIMPLE ADDITIVE WEIGHTHING (SAW) IN ELECTION THE BEST OF
CELLULER OPERATOR
ABSTRACT
Decision support systems are one solution for policy-makers in making a decision. Number of Mobile Operator offers features that make potential buyers confused so that prospective buyers often replace operator and create new problems in determining thr level of service from mobile operators. The purpose of this research is to build an application system that has the ability to determine the best carrier based on the value of the selection criteria and with regard to the type of decision for each criterion. Decision Support Systems used in this study implemented the Analytical Hierarchy Process (AHP) and Simple Additive Weighting Method (SAW). Data used in this research was obtained from questionnaires distributed among the students of USU Fasilkom-TI. In making the decision, five criteria were used to determine the Best Cellular Operator, i.e. Call Rates SMS, Internet, Services, Bonus. Application in this study was built using the Java programming language 8.0. From the test results, the system was able to determine the Best Mobile Operator Method with Analytical Hierarchy Process (AHP) and Simple Additive Weighting Method (SAW) and the weights assigned to the criteria and alternative criteria had a large impact on the result. From th result by using Analytic Hierarchy Process Method, The system can determine the best of mobile operator that it is an alternative Simpati with the first rank values obtained 0.221 and Simple Additive Weighting Methods is an alternative Simpati with weights 0.595. From the result of this application that can help potential customers in determining of the Best Mobile Operator.
DAFTAR ISI
Halaman
Persetujuan ii
Pernyataan iii
Penghargaan iv
Abstrak vi
Abstract viii
Daftar Isi ix
Daftar Tabel xi
Daftar Gambar xii
BAB 1 PENDAHULUAN
1.1. Latar Belakang 1
1.2. Rumusan Masalah 3
1.3. Batasan Masalah 3
1.4. Tujuan Penelitian 3
1.5. Manfaat Penelitian 4
1.6. Metodologi Penelitian 4
1.7. Sistematika Penulisan 5
BAB 2 LANDASAN TEORI
2.1. Sistem Pendukung Keputusan 7
2.1.1. Konsep Dasar Sistem Pendukung Keputusan 7 2.1.2. Definisi Sistem Pendukung Keputusan 7
2.1.3. Komputer dan Keputusan 8
2.1.4. Proses Pengambilan Keputusan 8
2.1.5 Karakter dan Kapabilitas dari SPK 10 2.2. Fuzzy Multiple Attribute Decision Making Methods (FMADMM) 11
2.3 Metode AHP 12
2.3.1. Prinsip-Prinsip Dasar AHP 12
2.3.2. Langkah-Langkah dalam Metode AHP 13
2.3.3 Kelebihan Metode AHP 15
2.4. Metode SAW 17
2.4.1. Langkah-Langkah dalam Metode SAW 18 2.4.2 Kelebihan Metode SAW
BAB 3 ANALISIS DAN PERANCANGAN SISTEM
3.1. Analisis Masalah 22
3.2. Analisis Kebutuhan Sistem 23
3.2.1. Kebutuhan fungsional 23
3.2.2. Kebutuhan non fungsional 23
3.3. Analisis Proses 23
3.3.1. Analisis proses Metode AHP 24
3.3.2. Analisis proses Metode SAW 50
3.4. Pemodelan Sistem 59
3.4.1. Use Case Diagram 59
3.4.2 Spesifikasi Use Case Metode AHP 60 3.4.3 Spesifikasi Use Case Metode SAW 61
3.4.4. Activity Diagram AHP 61
3.4.5. Sequence Diagram 63
3.5. Perancangan Sistem 65
3.5.1. Perancangan Alur Proses 65
3.5.2. Alur proses sistem secara umum 65 3.6. Perancangan Antar Muka Sistem (Interface) 68
3.6.1. Halaman Utama 68
3.6.2. Halaman Sub Menu Metode AHP 69
3.6.3 Halaman SAW 73
BAB 4 IMPLEMENTASI DAN PENGUJIAN
4.1. Implementasi Sistem 75
4.1.1. Form menu utama 75
4.1.2. FormMetode AHP 76
4.1.3 FormMetode SAW 77
4.1.4. FormAbout 78
4.2. Pengujian Sistem 79
4.2.1. Pengujian sistem Metode AHP 80
4.2.2. Pengujian sistem Metode SAW 85
BAB 5 KESIMPULAN DAN SARAN
5.1. Kesimpulan 95
5.2. Saran 95
DAFTAR TABEL
Halaman
Tabel 2.1. Skala Saaty 12
Tabel 2.2. Matriks Perbandingan Berpasangan 14
Tabel 2.3. Random Index 14
Tabel 3.1. Matriks Berpasangan Kriteria 24
Tabel 3.2. Matriks Berpsangan Alternatif 24
Tabel 3.3. Nilai Perbandingan Kriteria 25
Tabel 3.4. Matriks Pembobotan untuk semua kriteria disederhanakan 25 Tabel 3.5. Matriks Pembobotan untuk semua kriteria dinormalkan 27
Tabel 3.6. Matriks Eigen vector 27
Tabel 3.7. Matriks Faktor Berpasangan untuk Kriteria Tarif Telepon 29 Tabel 3.8. Matriks Faktor Evaluasi untuk Kriteria Tarif Telepon yang
disederhanakan
29
Tabel 3.9. Matriks Faktor Evaluasi untuk Kriteria Tarif Telepon yang dinormalkan
32
Tabel 3.10. Matriks Faktor Berpasangan untuk Kriteria SMS 33 Tabel 3.11. Matriks Faktor Evaluasi untuk Kriteria SMS yang
disederhanakan
33
Tabel 3.12. Matriks Faktor Evaluasi untuk Kriteria SMS yang dinormalkan 36 Tabel 3.13. Matriks Faktor Berpasangan untuk Kriteria Internet 37 Tabel 3.14. Matriks Faktor Evaluasi untuk Kriteria Internet yang
disederhanakan
37
Tabel 3.15. Matriks Faktor Evaluasi untuk Kriteria Internet yang dinormalkan
40
Tabel 3.16. Matriks Faktor Berpasangan untuk Kriteria Layanan 41 Tabel 3.17. Matriks Faktor Evaluasi untuk Kriteria Layanan yang
disederhanakan
41
Tabel 3.18. Matriks Faktor Evaluasi untuk Kriteria Layanan yang dinormalkan
44
Tabel 3.19. Matriks Faktor Berpasangan untuk Kriteria Bonus 45 Tabel 3.20. Matriks Faktor Evaluasi untuk Kriteria Bonus yang
disederhanakan
45
Tabel 3.21. Matriks Faktor Evaluasi untuk Kriteria Bonus yang dinormalkan 48
Tabel 3.22. Perhitungan Matriks Global 49
Tabel 3.23. Hasil Ranking Metode AHP 50
Tabel 3.24. Bobot Kriteria 50
Tabel 3.27. Total Nilai Akhir Pembobotan 58 Tabel 3.28. Total Nilai Akhir Setelah di urutkan 59
Tabel 3.29. Spesifikasi Use Case Metode AHP 60
Tabel 3.30. Spesifikasi Use Case Metode SAW 61
Tabel 3.31. Keterangan Bagian Rancang AntarMuka Aplikasi 68 Tabel 3.32. Keterangan Bagian Submenu AHP Matriks Kriteria 70 Tabel 3.33. Keterangan Bagian Rancangan Alternatif 71
Tabel 3.34. Keterangan Matriks Global 73
DAFTAR GAMBAR
Halaman
Gambar 2.1. Proses Pengambilan Keputusan 9
Gambar 2.2. Karakteristik dan Kapabilitas SPK 11
Gambar 2.3. Hirarki 3 Level AHP 12
Gambar 2.4. Flowchart Metode AHP 16
Gambar 2.5. Flowchart Metode SAW 19
Gambar 3.1. Diagram Ishikawa Untuk Analisis Masalah 22
Gambar 3.2. Use Case Sistem 60
Gambar 3.3. Activity Diagram Metode AHP 62
Gambar 3.4. Activity Diagram Metode SAW 63
Gambar 3.5. Sequence Diagram AHP 64
Gambar 3.6. Sequence Diagram SAW 65
Gambar 3.7. Flowchart Sistem AHP 66
Gambar 3.8. Flowchart Sistem SAW 67
Gambar 3.9. Rancangan Halaman Utama 68
Gambar 3.10. Rancangan Menu Halaman AHP Matriks Kriteria 69
Gambar 3.11. Rancangan Matriks Global 62
Gambar 3.12. Rancangan Halaman Metode SAW 74
Gambar 4.1. Form Menu Utama 76
Gambar 4.2. Form Matriks Kriteria 77
Gambar 4.3. FormMetode SAW 78
Gambar 4.4. Form About 79
Gambar 4.5. Form Perhitungan Matriks Kriteria 80
Gambar 4.6. Form Perhitungan Matriks Alternatif Tari Telepon 81 Gambar 4.7. Form Perhitungan Matriks Alternatif SMS 82 Gambar 4.8. Form PerhitunganMatriks Alternatif Internet 83 Gambar 4.9. Form Perhitungan Matriks Alternatif Layanan 84 Gambar 4.10. Form Perhitungan MatriksAlternatif Bonus 84
Gambar 4.11. Form Perhitungan Matriks Global 85
ABSTRAK
Sistem pendukung keputusan adalah salah satu solusi bagi pembuat kebijakan dalam mengambil sebuah keputusan. Banyaknya Operator Seluler yang menawarkan fitur-fitur yang membuat calon pembeli bingung sehingga sering berganti operator dan membuat permasalahan baru dalam menentukan tingkat layanan operator seluler.. Tujuan dari penelitian ini adalah untuk membangun sebuah sistem aplikasi yang mempunyai kemampuan untuk menentukan Operator Seluler Terbaik berdasarkan nilai dari kriteria pemilihan dan dengan memperhatikan jenis keputusan dari setiap kriteria. Sistem Pendukung Keputusan yang digunakan dalam penelitian ini menggunakan Metode Analytic Hierarchy Process (AHP) dan Metode Simple
Additive Weighting (SAW). Data yang digunakan dalam penelitian ini adalah data
yang diperoleh dari hasil kuisioner yang dilakukan terhadap kalangan mahasiswa Fasilkom-TI USU. Dalam mengambil keputusan digunakan 5 kriteria pembanding untuk menentukan Operator Seluler Terbaik, yaitu Tarif Telepon, SMS, Internet, Layanan, Bonus. Aplikasi pada penelitian ini dibangun dengan menggunakan bahasa pemrograman Java.Dari hasil pengujian, dengan menggunakan Metode Analytic
Hierarchy Process (AHP), sistem ini dapat menentukan Operator Seluler Terbaik
yaitu alternatif Simpati dengan ranking pertama diperoleh nilai 0.221 dan Metode
Simple Additive Weighting (SAW) yaitu alternatif Simpati dengan bobot nilai 0.595.
Dari penelitian ini dihasilkan aplikasi yang dapat membantu calon konsumen dalam menentukan keputusan untuk memilih operator seluler terbaik.
.
IMPLEMENTATION OF ANALYTIC HIERARCHY PROCESS(AHP) AND SIMPLE ADDITIVE WEIGHTHING (SAW) IN ELECTION THE BEST OF
CELLULER OPERATOR
ABSTRACT
Decision support systems are one solution for policy-makers in making a decision. Number of Mobile Operator offers features that make potential buyers confused so that prospective buyers often replace operator and create new problems in determining thr level of service from mobile operators. The purpose of this research is to build an application system that has the ability to determine the best carrier based on the value of the selection criteria and with regard to the type of decision for each criterion. Decision Support Systems used in this study implemented the Analytical Hierarchy Process (AHP) and Simple Additive Weighting Method (SAW). Data used in this research was obtained from questionnaires distributed among the students of USU Fasilkom-TI. In making the decision, five criteria were used to determine the Best Cellular Operator, i.e. Call Rates SMS, Internet, Services, Bonus. Application in this study was built using the Java programming language 8.0. From the test results, the system was able to determine the Best Mobile Operator Method with Analytical Hierarchy Process (AHP) and Simple Additive Weighting Method (SAW) and the weights assigned to the criteria and alternative criteria had a large impact on the result. From th result by using Analytic Hierarchy Process Method, The system can determine the best of mobile operator that it is an alternative Simpati with the first rank values obtained 0.221 and Simple Additive Weighting Methods is an alternative Simpati with weights 0.595. From the result of this application that can help potential customers in determining of the Best Mobile Operator.
BAB 1
PENDAHULUAN
1.1. Latar Belakang
Saat ini peranan komunikasi sangat mempengaruhi kehidupan di berbagai kalangan khususnya dikalangan mahasiswa, sehingga mahasiswa sangat membutuhkan sarana komunikasi yang dapat mendukung kelancaran komunikasiterutama dari sisi operator seluler.Oleh karena itu, kelancaran komunikasi yang cepat dan tepat sangat dibutuhkan sehingga banyak sekali mahasiswa semakin lebih kreatif dalam memilih operator seluler yang terbaik untuk digunakan sesuai dengan kebutuhannya masing-masing yaitu daritarif telepon, tarif sms, internet, layanan dan bonus. Disatu sisi mahasiswa lebih cenderung tertarik terhadap harga yang murah tetapi fitur-fitur yang ditawarkan oleh produsen telekomunikasi sangat terbatas namun ada juga sebagian mahasiswa memilih operator seluler dengan harga mahal dengan fitur-fitur yang ditawarkan tidak terbatas. Adapun operator seluler GSM yang sering digunakan dikalangan mahasiswa adalah Simpati, AS, IM3, XL, 3(Three), Mentari dan Axis.
Dalam pemilihan operator seluler terbaik digunakan dua metode yaitu metode AHP dan metode SAW. Metode Analytic Hierarchy Process (AHP)adalah metode pengambilan keputusan terhadap masalah penentuan prioritas pilihan dari berbagai alternatif. Penggunaan AHP dimulai dengan membuat struktur hirarki dari permasalahan yang ingin diteliti.Untuk pertama kali metode AHP diperkenalkan Oleh Thomas L. Saaty pada periode tahun 1971-1975 di Wharthon School. Dalam perkembangannya, metode AHP tidak saja digunakan untuk menentukan prioritas pilihan-pilihan dengan banyak kriteria(multikriteria), tetapi penerapannya telah meluas sebagai sebuah metode alternatif untuk menyelesaikan bermacam-macam masalah, seperti portofolio yang menguntungkan, analisis manfaat biaya, dan membuat peramalan. Mulyono (1996), menjelaskan bahwa pada dasarnya metode AHP merupakan teori umum tentang suatu konsep pengukuran. Metode ini digunakan untuk menemukan suatu skala rasio baik dari perbandingan pasangan yang bersifat diskrit maupun kontinu.
Peralatan utama metode AHP merupakan sebuah bentuk hirarki yang bersifat fungsional dengan masukan (input) utamanya menggunakan persepsi manusia. Melalui sistem hirarki ini suatu masalah yang kompleks dan tidak terstruktur dapat didekomposisikan atau diformulasikan kedalam kelompok-kelompok atau bagian-bagian yang lebih sempit. Kemudian kelompok-kelompok tersebut diatur menjadi suatu bentuk hirarki (Permadi, 1996). Sedangkan Metode Simple Additive Weighting (SAW) sering dikenal sebagai metode penjumlahan terbobot. Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut (Fishburn, 1967). Metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat di perbandingkan dengan semua
rating alternatif yang ada (Kusumadewi, 2006). SAW (Simple Additive Weighting)
merupakan metode yang menyeleksi alternatif terbaik dari sejumlah alternatif berdasarkan kriteria-kriteria yang ditentukan dengan melakukan perangkingan untuk mengetahui nilai tertinggi sampai terendah.
pengambil keputusan melalui penggunaan data dan model-model keputusan untuk memecahkan masalah-masalah yang sifatnya semi terstruktur dan tidak terstruktur.
1.2.Rumusan Masalah
Masalah yang akan dibahas dalam penelitian ini adalah bagaimana menghasilkan sebuah sistem pendukung keputusan yang mampu menentukan operator seluler terbaik dengan mengimplementasikan Metode Analytic Hierarchy Process (AHP) dan Simple
Additive Weighting (SAW).
1.3. Batasan Masalah
Batasan masalah dalam penelitian ini adalah :
1. Penelitian ini hanya dilakukan pada mahasiswa S1 Fasilkom-TI USU.
2. Kriteriayang digunakan dalam pemilihan Operator Seluler Terbaik adalah TarifTelepon, TarifSMS, Tarif Internet, Layanan (Call Center dan Customer
Service Gallery) dan Bonus.
3. Operator seluler GSM (Global System for Mobile Telecomunications) yang digunakanyaitu :Simpati, AS, XL, IM3, 3 (Three), Mentari, Axis.
4. Dalam penelitian ini penulis hanya membahas dua Metode yaitu Analytic
Hierarchy Process (AHP) dan Simple Additive Weighting (SAW).
5. Menggunakan bahasa pemrograman java.
1.4. Tujuan Penelitian
Tujuan penelitian ini adalah menghasilkan sebuah sistem pendukung keputusan dengan menggunakan metode Analytic Hierarchy Process (AHP) dan Simple Additive
Weighting (SAW)untuk menentukan operator seluler terbaik bagi kalangan
1.5. Manfaat Penelitian
Manfaat dari penelitian ini adalah Penelitian ini diharapkan dapat menjadi dasar referensi dalam mengambil keputusan untuk memilih operator seluler terbaik sehingga dapat mempelancar komunikasi.
1.6. Metodologi Penelitian
Metodologi penelitian yang digunakan dalam penulisan skripsi ini adalah sebagai berikut:
a. Studi kepustakaan
Metode ini dilaksanakan dengan melakukan studi kepustakaan melalui membaca buku-buku yang relevan dengan judul skripsi, mencari jurnal, tulisan ilmiah maupun artikel lain yang berhubungan dengan sistem pendukung keputusan, Metode AHP dan Metode SAW.
b. Analisis
Pada tahap ini dilakukan pengumpulan data-data dari hasil studi kepustakaan kemudian melakukan analisis sehingga menjadi suatu informasi terstruktur dan jelas.
c. Perancangan
Pada tahap ini akan dilakukan perancangan sistem pendukung keputusan dalam penentuan operator seluler terbaik. Termasuk di dalamnya yaitu perancangan
flowchart, use case diagram, sequence diagram, activity diagram, dan desain interfaceserta perancangan sistem.
d. Implementasi
e. Pengujian
Proses pengujian terhadap aplikasi yang dibuat untuk mengetahui apakah aplikasisudah berjalan dengan benar dan sesuai dengan perancangan yang dilakukan serta melakukan perbaikan kesalahan jika masih terdapat error pada aplikasi.
f. Dokumentasi
Tahap akhir dari penelitian yang dilakukan yaitu membuat kesimpulan dan laporan tentang penelitian yang telah dilakukan.
1.7. Sistematika Penulisan
Adapun langkah-langkah dalam menyelesaikan penelitian ini adalah sebagai berikut :
BAB 1 : PENDAHULUAN
Bab ini akan menjelaskan mengenai latar belakang masalah pemilihan judul skripsi “Implementasi Metode Analytic Hierarchy Process (AHP) dan Simple
Additive Weighting (SAW) dalam Pemilihan Operator Seluler Terbaik”,
rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, metodologi penelitian, dan sistematika penulisan.
BAB 2 : LANDASAN TEORI
Bab ini membahas mengenai teori-teori yang berkaitan dengan Sistem Pendukung Keputusan, Metode Analytic Hierarchy Process (AHP) dan Metode Simple Additive Weighting (SAW).
BAB 3 : ANALISIS DAN PERANCANGAN SISTEM
BAB 4 : IMPLEMENTASI DAN PENGUJIAN SISTEM
Bab ini menjelaskan tentangimplementasi sistem aplikasi yang telah dibuat serta menguji sistem untuk menemukan kelebihan dan kekurangan pada sistem yang dibuat.
BAB 5 : KESIMPULAN DAN SARAN
BAB 2
LANDASAN TEORI
2.1. Sistem Pendukung Keputusan
2.1.1. Konsep Dasar Sistem Pendukung Keputusan
Konsep Sistem Pendukung Keputusan (Decision Support Systems=DSS) pertama kali diperkenalkan pada awal tahun 1970-an oleh Michael Scott Morton, yang selanjutnya dikenal dengan istilah “Management Decision Systems” (Sprague, 1982). Konsep Sistem Pendukung Keputusan merupakan sebuah sistem interaktif berbasis komputer yang membantu pembuat keputusan memanfaatkan data dan model untuk menyelesaikan masalah-masalah yang bersifat tidak terstruktur dan semi terstruktur. Sistem Pendukung Keputusan dirancang untuk menunjang seluruh tahapan pembuatan keputusan, yang dimulai dari tahap mengindentifikasi masalah, memilih data yang relevan, menentukan pendekatan yang digunakan dalam proses pembuatan keputusan, sampai pada kegiatan mengevaluasi pemilihan alternatif (Daihani, 2001).
2.1.2 Definisi Sistem Pendukung Keputusan
Definisi mengenai sistem pendukung keputusan yang ideal adalah :
a. SPK adalah sebuah sistem berbasis komputer dengan antarmuka antara mesin/komputer dan pengguna.
b. SPK ditujukan untuk membantu pembuat keputusan dalam menyelesaikan suatu masalah dalam berbagai level manajemen dan bukan untuk mengganti posisi manusia sebagai pembuat keputusan.
c. SPK mampu memberi alternatif solusi bagi masalah semi/tidak terstruktur baik bagi perseorangan atau kelompok dan dalam berbagai macam proses dan gaya pengambilan keputusan.
d. SPK menggunakan data, basis data dan analisa model-model keputusan. e. SPK bersifat adaptif, efektif, interaktif, easy to use dan fleksibel.
f. SPK menyediakan akses terhadap berbagai macam format dan tipe sumber data (data source).
2.1.3Komputer dan Keputusan
Terdapat beberapa alasan untuk menggunakan aplikasi komputer dalam proses pembuatan keputusan yaitu (Turban & Aronson, 1998) :
1. Kecepatan perhitungan
2. Keterbatasan manusia dalam proses pengambilan keputusan
3. Kemudahan melakukan koordinasi dan komunikasi dalam kelompok kerja 4. Pengurangan biaya dan menghemat waktu
5. Peningkatan produktifitas kerja
6. Peningkatan kualitas pengambilan keputusan lewat simulasi komputer
2.1.4Proses Pengambilan Keputusan
1. Tahap penelusuran (Intelligence)
Merupakan tahap pendefenisian masalah serta identifikasi informasi yang di butuhkan yang berkaitan dengan persoalan yang dihadapi serta keputusan yang akan diambil. 2. Perancangan (Desain)
Merupakan tahap analisa alam kaitan mencari atau merumuskan alternatif-alternatif pemecahan masalah. Setelah permasalahan di rumuskan dengan baik, maka tahap berikutnya adalah merancang atau membangun model pemecahan masalahnya dan menyusun berbagai alternatif pemecahan masalah.
3. Pemilihan (Selection)
Dengan mengacu pada rumusan tujuan serta hasil yang diharapkan selanjutnya manajemen memilih alternatif solusi yang di perkirakan paling sesuai. Pemilihan alternatif ini akan mudah dilakukan kalau hasil yang di inginkan terukur atau memiliki nilai kuantitas tertentu, sebaliknya apabila hasil yang di harapkan tidak terukur secara kuantitatif, pemilihan alternatif sangat sukar dilakukan.
4.Implementasi (Implementation)
Keempat langkah tersebut dapat dilihat pada gambar.2 di bawah ini .
2.1.5 Karakteristik dan kapabilitas kunci dari Sistem pendukung keputusan
Karakteristik dan kapabilitas kunci dari sistem pendukung keputusan tersebut membolehkan para pengambil keputusan untuk membuat keputusan yang lebih baik dan lebih konsisten pada satu cara yang dibatasi waktu (Turban, 2005).
1. Dukungan untuk pengambil keputusan, terutama pada situasi semiterstruktur dan tak terstruktur, dengan menyertakan penilaian manusia dan informasi terkomputerisasi.
2. Dukungan untuk semua level manajerial, dari eksekutif puncak sampai manajer lini.
3. Dukungan untuk individu dan kelompok.
4. Dukungan untuk keputusan independen dan atau sekuensial. Keputusan dapat dibuat satu kali atau berulang kali.
5. Dukungan di semua fase proses pengambil keputusan: intelegensi, desain, pilihan dan implementasi.
6. Dukungan di berbagai proses dan gaya pengambil keputusan. 7. Adaptifitas sepanjang waktu.
8. Kemudahan terhadap sistem (user friendly) .
9. Peningkatan terhadap keefektifan pemgambil keputusan (akurasi, timeless, kualitas) ketimbang pada efisiensinya (biaya pengambilan keputusan).
Intelligence
Penelusuran lingkup masalah Design
Perancangan penyelesaian masalah
Choice Pemilihan tindakan
Implementation
10.Kontrol penuh oleh pengambil keputusan terhadap semua langkah proses pengambilkan keputusan dalam memecahkan masalah.
11.Pengguna akhir dapat mengembangkan dan memodifikasi sendiri sistem sederhana.
12.Biasanya model-model digunakan untuk menganalisis situasi pengambil keputusan.
13.Akses disediakan untuk berbagai sumber data, format, dan tipe.
14.Dapat dilakukan sebagai alat standalone yang digunakan oleh seorang pengambil keputusan pada satu lokasi atau didistribusikan di satu organisasi keseluruhan.
2.2 Metode Analytic Hierarcy Process (AHP)
Metode AHP yang dikembangkan oleh Thomas L. Saaty tahun 1970 an ialah metode yang dapat memecahkan masalah yang kompleks dan tidak terstruktur, dimana kriteria yang diambil cukup banyak, struktur masalah yang belum jelas, ketidakpastian persepsi pembuat keputusan serta ketidakpastian tersedianya data statistik yang akurat (Sandy Kosasi,2002). Adakalanya timbul masalah keputusan yang sulit untuk diukur secara kuantitatif dan perlu diputuskan secepatnya dan sering disertai dengan variasi yang beragam dan rumit sehingga data tersebut tidak mungkin dapat dicatat secara numerik karena kualitatif saja yang dapat di ukur yaitu berdasarkan pada persepsi, preferensi, pengalaman dan intuisi.
2.2.1 Prinsip-Prinsip Dasar Analytic Hierarchy Process (AHP)
Dalam AHP ada beberapa prinsip penting yaitu :
1. Decomposition (Penyusunan Hirarki)
Memecahkan masalah yang utuh menjadi unsur-unsurnya kebentuk hirarki proses pengambilan keputusan, dimana setiap unsur saling berhubungan. Struktur decomposition adalahtujuan keputusan (goal), kriteria-kriteria, dan alternatif-alternatif seperti gambar 3.
Gambar 2.3 Hirarki 3 level AHP
2. Comparative Judgement (Penilaian perbandingan berpasangan)
Menentukan Operator Seluler Terbaik
Kriteria 1
Alternatif n Kriteria 2
Alternatif 3
Kriteria 3 Kriteria n
Penilaian tentang kepentingan relatif dua elemen pada suatu tingkat tertentu dalam kaitannya dengan tingkatan diatasnya. Penilaian ini merupakan inti dari penggunaan metode AHP, karena AHP akan berpengaruh terhadap penentuan prioritas elemen-elemen yang dibandingkan.
Tabel 2.1. Skala Urutan Kepentingan
Intensitas
Kepentingan
Definisi
1 Kedua elemen sama pentingnya
3 Elemen yang satu sedikit lebih penting daripada elemen yang lainnya 5 Elemen yang satu lebih penting dari pada elemen yang lainnya 7 Satu elemen jelas lebih mutlak penting dari pada elemen yang lainnya 9 Satu elemen mutlak penting dari pada elemen yang lainnya
2,4,6,8 Nilai – nilai antara 2 nilai pertimbangan yang berdekatan
Kebalikan Jika aktifitas i mendapat satu angka dibanding aktifitas j, maka j mempunyai nilai kebalikkannya dibanding dengan i.
3. Synthesis of Priority (Penentuan Prioritas)
Menggunakan eigen vector method untuk mendapatkan bobot relatif bagi unsur-unsur pengambilan keputusan.
4. Logical Consistency
Mengagresikan seluruh eigen vector yang diperoleh dari berbagai tigkatan hirarki dan selanjutnya di peroleh suatu vector composite tertimbang yang menghasilkan urutan pengambilan keputusan.
Pada dasarnya terdapat beberapa langkah yang perlu diperhatikan dalam menggunakan metode AHP, antara lain (Suryadi & Ramadhani 1998):
1. Mendefinisikan masalah dan menentukan solusi yang di inginkan
2. Membuat struktur hirarki yang di awali dengan tujuan umum dilanjutkan dengan subtujuan-subtujuan, kriteria dan kemungkinan alternatif-alternatif pada tingkatan kriteria yang paling bawah.
3. Membuat matriks perbandingan berpasangan yang menggambarkan konstribusi relatif atau pengaruh setiap elemen terhadap masing-masing tujuan atau kriteria yang setingkat diatasnya. Perbandingan dilakukan berdasarkan
judgement dari pembuat keputusan dengan menilai tingkat kepentingan suatu
elemen dibandingkan elemen lainnya.
Tabel 2.2. Matrix Perbandingan Berpasangan
C A1 A2 A3 A4 A5
A1 1
A2 1
A3 1
A4 1
A5 1
4. Melakukan perbandingan berpasangan sehingga diperoleh nilai judgement seluruhnya yaitu sebanyak n x [ (�−1) ]
2 buah dengan n adalah banyaknya elemen yang dibandingkan.
5. Menghitung nilai eigen dan menguji konsistensinya jika tidak konsisten maka pengambilan data diulangi.
6. Mengulangi langkah 3, 4 dan 5 untuk seluruh tingkat hirarki.
7. Menghitung vektor eigen dari setiap matriks perbandingan berpasangan.
8. Memeriksa konsistensi hirarki. Jika nilainya lebih dari 10% (persen) atau 0,1 maka penilaian data harus di perbaiki.
Tabel 2.3. Random Index
Ukuran Matriks Nilai RI
1,2 0,00
Jika CR< 0,1 maka nilai perbandingan berpasangan pada matriks kriteria yang diberikan konsistensi. Jika CR> 0,1, maka nilai perbandingan berpasangan pada matriks kriteria yang diberikan tidak konsisten, sehingga pengisian nilai-nilai pada matriks berpasangan pada unsur kriteria maupun alternatif harus diulang.
2.2.3 Kelebihan Metode AHP
Adapun yang menjadi kelebihan dengan menggunakan Metode AHP adalah (Suryadi & Ramdhani, 1998):
1. Struktur yang berbentuk hirarki sebagai konsekuensi dari kriteria yang dipilih sampai pada sub-sub kriteria yang paling dalam.
2. Memperhitungkan validitas sampai dengan batas toleransi inkonsistensi berbagai kriteria dan alternatif yang dipilih oleh para pengambilan keputusan. 3. Memperhitungkan daya tahan atau ketahan keluaran analisis sensitifitas
pembuat keputusan.
Mulai
Mendefinisikan Masalah
Membuat struktur hirarki
Membuat matriks perbandingan untuk memperoleh judgement n x [(n-1)/2] buah
Hitung nilai eigen
Konsistensi nilai matriks
Seluruh tingkat hirarki di proses
Hitung vector eigen tiap matriks perbandingan berpasangan
Konsistensi hirarki <10 %
Total Nilai
Selesai
Tidak
Tidak
Tidak
Ya Ya
Ya
2.3 Metode Simple Additive Weighting (SAW)
Metode Simple Additive Weighting (SAW) merupakan salah satu metode untuk penyelesaian masalah multi-attribute decision making (Kusumadewi, 2006). Metode SAW sering juga dikenal istilah metode penjumlahan terbobot. Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut. Metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada. Metode SAW mengenal adanya 2 (dua) atribut yaitu kriteria
keuntungan (benefit) dan kriteria biaya (cost). Perbedaan mendasar dari kedua kriteria ini adalah dalam pemilihan kriteria ketika mengambil keputusan.
Jika j adalah atribut keuntungan (benefit) :
��� =��� ���� ��
Jika j adalah atribut biaya (cost) :
��� =��� �� �� ��
Keterangan :
rij = nilai rating kinerja ternormalisasi
xij = nilai atribut yang dimiliki dari setiap kriteria max xij = nilai terbesar dari setiap kriteria
min xij = nilai terkecil dari setiap kriteria benefit = jika nilai terbesar adalah terbaik
cost = jika nilai terkecil adalah terbaik
dimana rij adalah rating kinerja ternormalisasi dari alternatif Ai pada atribut Cj;i=1,2,...,m dan j=1,2,...,n. Nilai preferensi untuk setiap alternatif (Vi) di berikan
�� = � ����� �
�=1
Keterangan :
Vi = ranking untuk setiap alternatif wj = bobot ranking
rij = rating kinerja ternormalisasi
Nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai lebih terpilih.
2.3.1. Langkah-Langkah dalam Metode SAW
Langkah-langkah perhitungan dengan metode SAW adalah sebagai berikut:
1. Menentukan kriteria-kriteria yang akan dijadikan acuan dalam pengambilan keputusan, yaitu disimbolkan dengan C.
2. Menentukan rating kecocokan setiap alternatif pada setiap kriteria.
3. Membuat matriks keputusan berdasarkan kriteria (C), kemudian melakukan normalisasi matriks berdasarkan persamaan yang disesuaikan dengan jenis atribut (atribut keuntungan ataupun atribut biaya) sehingga di peroleh matriks ternormalisasi disimbolkan dengan R.
4. Hasil akhir di peroleh dari proses perankingan yaitu penjumlahan dari perkalian matriks ternormalisasi R dengan vektor bobot sehingga di peroleh nilai terbesar yang di pilih sebagai alternatif terbaik disimbolkan (Ai) sebagai
Mulai
Mendefenisikan masalah
Pembobotan Alternatif tiap kriteria
Pembobotan kriteria
Normalisasi
Perankingan
Selesai
Gambar 2.5. Flowchart Metode SAW
2.3.2 Kelebihan Metode Simple Additive Weighting (SAW)
Kelebihan dari model Simple Additive Weighting (SAW) dibandingkan dengan model pengambilan keputusan yang lain terletak pada kemampuannya untuk melakukan penilaian secara lebih tepat karena di dasarkan pada nilai kriteria dan bobot preferensi yang sudah ditentukan, selain itu SAW juga dapat menyeleksi alternatif terbaik dari sejumlah alternatif yang ada karena adanya proses perankingan setelah menentukan nilai bobot untuk setiap atribut.
2.4 Penelitian Terdahulu
1. Nur Rochmah Dyah P.A* (2009), mengembangkan Sistem Pendukung Keputusan Perencanaan Strategis Kinerja Instansi Pemerintah menggunakan Metode AHP (Studi kasus di DEPERINDAG). Penentuan perencanaan-perencanaan pada DEPENRINDAG masih menggunakan sistem manual yang dilakukan oleh pihak pimpinan, sehingga menghambat kinerja instansi tersebut dalam menentukan keputusan mengenai keputusan-keputusan perencanaan strategis. Perencanaan strategis yang ditentukan oleh pimpinan dipengaruhi oleh faktor internal dan juga eksternal. Keputusan yang dibahas tidak terlepas dari analisis faktor internal dan eksternal yang meliputi faktor-faktor SWOT yaitu Strength (kekuatan), Weakness (Kelemahan), Oportunity (Peluang) dan
Threat (Hambatan). Sebab suatu pengambil keputusan yang baik akan sangat
menentukan kualitas serta kredibilitas suatu informasi. Dari penelitian ini dihasilkan aplikasi sistem Pendukung Keputusan Perencanaan strategic kinerja Instansi Pemerintah berdasar pada pengukuran pencapaian sasaran skala prioritas dapat membantu bagian perencanaan strategis dalam instansi tersebut untuk menentukan kebijaksanaan-kebijaksanaan dalam perencanaan strategis. Hasil perhitungan menggunakan metode AHP diperoleh skala prioritas strategi yaitu memanfaatkan anggaran dan belum adanya lembaga stadarisasi nasional sebagai ranking pertama sehingga dari hasil ini dapat dilakukan perencanaan strategis yang lebih baik lagi.
mengikuti sertifikasi guru yaitu ana dan bana. Setelah melakukan proses perhitungan menggunakan metode SAW, hasil yang didapat adalah guru bana yang akan mendapatkan sertifikasi guru berdasarkan 1 kuota yang ada.
3. Fajar Nugraha,dkk (2012), dalam penelitiannya yang menggunakan metode
Simple Additive Weighting (SAW), dalam pengadaan aset melalui lelang baik
yang dilakukan secara konvensional membutuhkan suatu pendukung keputusan dalam memilih pemenang tender. Sistem pendukung keputusan yang masih berjalan selama ini sebatas mencatat peserta lelang dan berkas-berkas yang dipersyarakatkan sehingga pengambil keputusan masih harus bekerja dalam memilih dan menentukan pemenang. Oleh karena sistem yang berjalan masih demikian sehingga cara tersebut masih sering menimbulkan permasalahan seperti munculnya sanggahan dari peserta lelang yang tidak puas dengan hasil keputusan pemenang lelang. Dan karena banyaknya peserta yang mengikuti sehingga dibutuhkan waktu yang lama untuk mengavaluasi seluruh dokumen yang dipersyaratkan dan dokumen penawaran. Adapun tujuan dari penelitian yang dilakukan oleh fajar nugraha,dkk adalah untuk membangun sebuah Sistem Pendukung Keputusan dengan menerapkan Metode Simple
Additive Weigthing (SAW) yang berfungsi sebagai alat bantu bagi institusi
BAB 3
ANALISIS DAN PERANCANGAN SISTEM
Pada bab ini penulis akanmembahas tentang analisis dan perancangan sistem dalam menentukan operator seluler terbaik menggunakan Metode Analytic Hierarchy
Process(AHP)dan Metode Simple Additive Weighting (SAW).
3.1. Analisis Masalah
Dalam membangun sebuah sistem diperlukan analisis terhadap sistem yang akan di bangun. Analisis yang dibutuhkan dalam merancang sebuah sistem dapat menggunakan Fishbone Diagram/Ishikawa Diagram
Pada Gambar 3.1. terdapat sebuah diagram Ishikawa yang digunakan untuk menganalisis masalah. Pada bagian kepala (sebelah kanan) menerangkan permasalahan yang ada, sementara pada bagian tulang (sebelah kiri) menerangkan penyebab masalah.
Belum ada Sistem untuk membantu Mahasiswa butuh waktu
lama untuk mengambil sebuah keputusan
Belum ada sistem untuk membantu pengambilan
keputusan
3.2. Analisis Kebutuhan Sistem
Untuk membangun sebuah sistem aplikasi, perlu dilakukan sebuah tahap analisis kebutuhan sistem. Analisis kebutuhan sistem dapat dikelompokkan menjadi 2 bagian yaitu kebutuhan fungsional dan kebutuhan non-fungsional.
3.2.1. Kebutuhan fungsional
Adapun kebutuhan fungsional adalah sistem dapat menyelesaikan masalah dalam pemilihan operator seluler terbaik dengan menggunakan Metode Analytical Hierarchy
Process dan MetodeSimpleAdditiveWeighting.
3.2.2. Kebutuhan non fungsional
Kebutuhan non fungsional adalah kebutuhan yang diberikan oleh sistem yang bertujuan untuk mendukung kebutuhan fungsional yang sudah ditentukan. Beberapa kebutuhan non fungsional yang dimaksud adalah :
1. Hasil kuisioner digunakan sebagai sumber data penilaian. 2. Sistem operasi Microsoft Windows 7.
3. Bahasa pemrograman Java 8.0.
3.3. Analisis Proses
Dalam pemilihan Operator Seluler terbaik, sistem ini menggunakan 2 proses utama, yaitu proses pemilihan menggunakan metode AHP dan proses pemilihan menggunakan metode SAW. Untuk mengetahui bagaimana sistem bekerja dapat dengan mengimplementasikannya ke dalam analisis proses.
3.3.1. Analisis proses metodeAHP
Langkah-langkah yang dilakukan dalam pemecahan masalah untuk memilihOperator Seluler Terbaikmenggunakan Metode AHP adalah sebagai berikut :
2. Kriteria-kriteria yang digunakan adalah Tarif telepon, SMS, Internet, Layanan, Bonus.
Tabel 3.1. Matriks Berpasangan Untuk Kriteria Memilih Operator Seluler Terbaik
Kriteria Tarif Telepon SMS Internet Layanan Bonus Tarif Telepon 1
SMS 1
Internet 1
Layanan 1
Bonus 1
3. Alternatif dalam pemilihan operator seluler terbaik yaitu Simpati, AS, IM3, XL, 3(Three), Mentari, Axis.
Tabel 3.2 Matriks Berpasangan Alternatif Operator Seluler
Alternatif Simpati AS IM3 XL 3 (Three) Mentari Axis Simpati 1
AS 1
IM3 1
XL 1
3 (Three) 1
Mentari 1
Axis 1
Σ
4. Menguji konsistensi matriks berpasangan kriteria dan alternatif dengan rumus: CI = λmaks−n
� – 1
��= ��
��
6. Menghitung matriks global untuk perankingan akhir.
1. Data Penelitian
Data yang digunakan adalah datpa primer, dimana peneliti harus mengumpulkan data melalui penelitian lapangan dan mengolah sendiri (Supramono dan Haryanto, 2003). Cara pengumpulan data dilakukan dengan penyebaran kuisioner di kalangan mahasiswa Fasilkom-TI USU sebanyak 40 orang responden. Kuisoner yang dibagikan kepada responden menyediakan alternatif jawaban, sehingga responden cukup memilih jawaban yang telah disediakan. Jawaban responden terhadap pernyataan dalam kuisioner berpedoman pada skala L. Saaty. Skor 1-9 digunakan untuk mengukur jawaban responden dimana untuk pernyataan yang bersifat mutlak penting diberi skor 9 dan untuk pernyataan kedua elemen sama penting diberi skor 1.
2. Penyelesaian Matriks Kriteria dalam Pemilihan Operator Seluler Terbaik
1. Menentukan kriteria dalam memilih operator seluler terbaik dan menghitung matriks kriteria berpasangan. Nilai input pada Tabel 3.3 diperoleh dari hasil kuisioner terhadap 40 orang responden.
Tabel 3.3 Nilai Perbandingan Kriteria
2. Menghitung matriks faktor pembobotan hirarki untuk semua kriteria disederhanakan.
Tabel 3.4 Matriks Faktor Pembobotan Hirarki Untuk Semua Kriteria disederhanakan
Kriteria Tarif Telepon SMS Internet Layanan Bonus
Tarif Telepon 1.000 0.333 0.333 2 4
3. Membuat tabel normalisasi yaitu membagi masing-masing sel pada tabel 3.5 dengan jumlah masing-masing kolomnya.
HN = Nilai elemen kolom kriteria J��
Keterangan :
HN = Hasil Normalisasi
Nek = Nilai Elemen Kolom Kriteria
Jkm = Jumlah Kolom Matriks
HN Tarif Telepon >< Tarif Telepon = 1
HN Internet >< SMS = 0.5 HN Tarif Telepon >< Internet = 0.333
3.866 HN Tarif Telepon >< Bonus =4
19
Tabel 3.5. Matriks Faktor Pembobotan Hirarki untuk Semua Kriteria dinormalisasikan
Kriteria Tarif Telepon SMS Internet Layanan Bonus Tarif_Telepon 0.129 0.148 0.086 0.193 0.210
SMS 0.387 0.444 0.517 0.387 0.315
Internet 0.387 0.222 0.258 0.290 0.263
Layanan 0.064 0.111 0.086 0.096 0.157
4. Menghitung nilai prioritas masing-masing kriteria dengan membagikan penjumlahan tiap baris matriks dengan jumlah kriteria sebagai berikut:
Pr = Jbp Jk
Keterangan : Pr = Prioritas
Jbp = Jumlah baris perkriteria
Jk = Jumlah kriteria (n = 5)
Pr Tarif Telepon = (0.129+0.148+0.086+0.193+0.210)
5 = 0.153
Pr SMS = (0.387+0.444+0.517+0.387+0.315)
5 = 0.410
Pr Internet = (0.387+0.222+0.258+0.290+0.263)
5 = 0.284
Pr Layanan = (0.064+0.111+0.086+0.096+0.157)
5 = 0.103
Pr Bonus = (0.032+0.073+0.051+0.032+0.052)
5 = 0.048
Tabel 3.6. Matriks Eigen Vector
Kriteria Tarif Telepon SMS Internet Layanan Bonus Eigen
vector
5. Menghitung eigen value ((λ max) dengan cara menjumlahkan hasil perkalian jumlah tiap kolom tiap kriteria dengan nilai eigen vector tiap kriteria.
Nilai eigenvalue= (7.75 x 0,153) + (2.249 x 0.410) + (3.866 x 0,284) + (10.333 x 0,103) + (19 x 0,048)
= 5,203
��=(���� − �) (� −1)
��=(5,203−5) (5−1)
CI =0,050
7. Menghitung nilai consistency ratio (CR) dengan rumus : Untuk n = 5 maka RI = 1,120
Memeriksa konsistensi hirarki. Karena nilai CR<0,1 maka hasil perhitungan dinyatakan konsisten. Jika CR< 0,1 maka hasil perhitungan tidak konsisten dan perhitungan pada matriks berpasangan kriteria harus diulang.
3.Penyelesaian matriks alternatif
1. Kriteria Tarif Telepon
1. Menentukan alternatif dalam memilih operator seluler terbaik, serta menghitung matriks alternatif berpasangan.
2. Menghitung matriks faktor pembobotan hirarki untuk semua alternatif disederhanakan.
Tabel 3.8. Matriks Faktor Evaluasi untuk Kriteria Tarif Telepon yang disederhanakan 3. Membuat tabel normalisasi yaitu membagi nilai masing-masing sel pada tabel
3.9. dengan jumlah masing-masing kolomnya. HN Simpati >< Simpati = 1
2.517= 0.397 HN Mentari >< Simpati = 0.125
HN Simpati >< IM3 = 3 HN3(Three)><IM3 = 1
6.816
HN3(Three)><XL = 2
11.533 HN Simpati><3(Three) = 3
6.866
= 0.436 HN AS><3(Three) = 0.2
6.866
= 0.029 HNIM3><3(Three) = 1
6.866
= 0.145 HN XL >< 3(Three) = 0.5
6.866
= 0.072 HN3(Three)><3(Three) = 1.000
6.866
= 0.145 HN Mentari >< 3(Three) =0.166
6.866
= 0.024 HN AXIS><3(Three) = 1.000
6.866
= 0.145 HN Simpati >< Mentari = 8
34
= 0.235
HN AS><Mentari =2
34
= 0.058 HNIM3><Mentari = 6
34
= 0.176 HN XL >< Mentari = 5
34
HN3(Three)><Mentari = 6
HNIM3><AXIS = 1
6.866 = 0.145 HN XL >< AXIS = 0.5
6.866
= 0.072 HN3(Three)><AXIS = 1.000
6.866
Tabel 3.9. Matriks Faktor Evaluasi untuk Kriteria Tarif Telepon yang dinormalkan
4. Menghitung eigen value ((λ max) dengan cara menjumlahkan hasil perkalian jumlah tiap kolom tiap kriteria dengan nilai eigen vector tiap kriteria
���������� = (2.516 x 0.364) + (27.5 x 0.038) + (6.916 x 0.158) + (11.533 x 0.094) + (6.866 x 0.158) + (34 x 0.026) +
(6.866 x 0.158) = 7.265
��=(���� − �) (� −1)
��=(7.2−7)
(7−1)
CI =0,044
6. Menghitung nilai consistency ratio (CR) dengan rumus : Untuk n = 7, RI = 1,32
Memeriksa konsistensi hirarki. Karena nilai CR<0,1 maka hasil perhitungan dinyatakan konsisten.
2. Kriteria SMS
1. Menentukan alternatif dalam memilih operator seluler terbaik, serta menghitung matriks alternatif berpasangan
2. Menghitung matriks faktor pembobotan hirarki untuk semua alternatif disederhanakan.
Tabel 3.11. Matriks Faktor Evaluasi untuk Kriteria sms yang disederhanakan SMS Simpati AS IM3 XL 3(Three) Mentari Axis
3. Membuat tabel normalisasi yaitu membagi nilai masing-masing sel pada tabel 3.12. dengan jumlah masing-masing kolomnya.
HN Simpati >< Simpati = 1
27.5= 0.036 HN Mentari >< Simpati =0.5
27.5 HN Mentari><AS =0.25
17.75
HN AXIS><AS = 3 HN3(Three)><IM3 = 0.2
2.352
HNIM3><XL = 2
4.05
= 0.493
HN XL >< XL = 1
4.05 = 0.246 HN3(Three)><XL = 0.25
4.05 HN Simpati><3(Three) = 0.25
12.95
= 0.019 HN AS><3(Three) = 0.5
12.95
= 0.038 HNIM3><3(Three) = 5
12.95
= 0.386 HN XL >< 3(Three) = 4
12.95
= 0.308 HN3(Three)><3(Three) = 1
12.95 HN Simpati >< Mentari =2
35
= 0.057 HN AS><Mentari = 4
35 = 0.133 HNIM3><Mentari = 9
35
HN XL >< Mentari = 8 35
= 0.268 HN3(Three)><Mentari =5
35 HN3(Three)><AXIS = 0.5
9.199
= 0.054 HN Mentari >< AXIS =0.166
9.199
= 0.018 HN Simpati >< AXIS =1.000
9.199
= 0.109
Tabel 3.12. Matriks Faktor Evaluasi untuk Kriteria SMS yang dinormalkan
SMS Simpati AS IM3 XL 3(Three) Mentari Axis Eigen
4. Menghitung eigen value ((λ max) dengan cara menjumlahkan hasil perkalian jumlah tiap kolom tiap kriteria dengan nilai eigen vector tiap kriteria
Nilai eigenvalue= (27.5 x 0.036) + (17.75 x 0.062) + (2.352 x 0.375) + (4.05 x 0.265) + (12.95 x 0.096) + (30 x 0.024) +
5. Menghitung nilai consistency indeks (CI) dengan rumus :
6. Menghitung nilai consistency ratio (CR) dengan rumus : Untuk n = 7 makaRI = 1,32
Memeriksa konsistensi hirarki. Karena nilai CR<0,1 maka hasil perhitungan dinyatakan konsisten.
3. Kriteria Internet
1. Menentukan alternatif dalam memilih operator seluler terbaik, serta menghitung matriks alternatif berpasangan.
2. Menghitung matriks faktor pembobotan hirarki untuk semua alternatif disederhanakan.
Tabel 3.14. Matriks Faktor Evaluasi untuk Kriteria internet yang disederhanakan
Internet Simpati AS IM3 XL 3(Three) Mentari Axis
3. Membuat tabel normalisasi yaitu membagi nilai masing-masing sel pada tabel 3.15 dengan jumlah masing-masing kolomnya.
HN Simpati >< Simpati = 1 2.318 HN Mentari >< Simpati = 0.125
2.318 HN Mentari><AS = 0.333
16.583 = 0.020
HN AXIS><AS = 0.25
HN Simpati >< IM3 = 6 HN3(Three)><IM3 = 5
16.583 = 0.301
HNIM3><XL = 0.333
9.032
= 0.036
HN XL >< XL = 1
9.032
= 0.110
HN3(Three)><XL = 3
9.032
= 0.332 HN Mentari >< XL = 0.2
9.032
= 0.022
HN AXIS><XL =0.166
9.032
= 0.018 HN Simpati><3(Three) =2
4
= 0.5 HN AS><3(Three) =0.2
4
= 0.05 HNIM3><3(Three) = 0.2
4
= 0.05 HN XL >< 3(Three) =0.333
4
= 0.083 HN3(Three)><3(Three) =1
4
= 0.25 HN Mentari >< 3(Three) =0.142
4
= 0.035 HN AXIS><3(Three) =0.125
4
= 0.031 HN Simpati >< Mentari = 8
27.5
= 0.290
HN AS><Mentari = 3
27.5
= 0.109 HNIM3><Mentari = 3
27.5
= 0.109 HN XL >< Mentari = 5
27.5
HN3(Three)><Mentari = 7 HN3(Three)><AXIS =8
34
= 0.235 HN Mentari >< AXIS = 2
34
= 0.058 HN Simpati >< AXIS =1.000
34
= 0.209
Tabel 3.15. Matriks Faktor Evaluasi untuk Kriteria Internet yang dinormalkan
Internet Simpati AS IM3 XL 3(Three) Mentari Axis Eigen
4. Menghitung eigen value ((λ max) dengan cara menjumlahkan hasil perkalian jumlah tiap kolom tiap kriteria dengan nilai eigen vector tiap kriteria
Nilai eigenvalue= (2.318 x 0.378) + (16.583 x 0.071) + (16.583 x 0.071) + (9.032 x 0.145) + (4 x 0.269) + (27.5 x 0.034) +
(34 x 0.024) = 7.496
��=(���� − �) (� −1)
��=(7.498−7) (7−1)
CI =0,083
6. Menghitung nilai consistency ratio (CR) dengan rumus : Untuk n = 7 maka RI = 1,32
Memeriksa konsistensi hirarki. Karena nilai CR<0,1 maka hasil perhitungan dinyatakan konsisten.
4. Kriteria Layanan
1. Menentukan alternatif dalam memilih Operator Seluler Terbaik, serta menghitung matriks alternatif berpasangan.
Tabel 3.16. Matriks Faktor Berpasangan untuk Kriteria layanan Layanan Simpati AS IM3 XL 3(Three) Mentari Axis
Tabel 3.17. Matriks Faktor Evaluasi untuk Kriteria layanan yang disederhanakan
Layanan Simpati AS IM3 XL 3(Three) Mentari Axis
3. Membuat tabel normalisasi yaitu membagi nilai masing-masing sel pada tabel 3.18. dengan jumlah masing-masing kolomnya.
HN Simpati >< Simpati = 1 2.486 HN Mentari><AS =0.333
4.266
= 0.078
HN AXIS><AS =0.333
4.266
= 0.078 HN Simpati >< IM3 = 8
31.5
HN AS><IM3 = 7 HN3(Three)><IM3 =0.5
31.5
HNIM3><XL = 0.2
10.366
= 0.019
HN XL >< XL = 1
10.366 = .096 HN3(Three)><XL =0.166
10.366 = 0.016 HN Simpati><3(Three) =9
38
= 0.236 HN AS><3(Three) = 8
38
= 0.210 HNIM3><3(Three) =2
38
= 0.052 HN XL >< 3(Three) =6
38
= 0.157 HN3(Three)><3(Three) =1
38
= 0.026 HN Mentari >< 3(Three) = 6
38
= 0.157 HN AXIS><3(Three) =6
38 HNIM3><Mentari = 0.2
10.366
= 0.019 HN XL >< Mentari = 1
10.366
= 0.096 HN3(Three)><Mentari = 0.166
10.366
HN Mentari >< Mentari = 1
HNIM3><AXIS = 0.2
10.366
= 0.019
HN XL >< AXIS = 1
10.366 = 0.096 HN3(Three)><AXIS = 0.166
10.366
Tabel 3.18. Matriks Faktor Evaluasi untuk Kriteria layanan yang dinormalkan
Layanan Simpati AS IM3 XL 3(Three) Mentari Axis Eigen
4. Menghitung eigen value ((λ max) dengan cara menjumlahkan hasil perkalian jumlah tiap kolom tiap kriteria dengan nilai eigen vector tiap kriteria
Nilai eigenvalue= (2.486 x 0.359) + (4.266 x 0.248) + (31.5 x 0.032) + (10.366 x 0.112) + (38 x 0.023) + (10.366 x 0.112) +
(10.366 x 0.112) = 7.347
5. Menghitung nilai consistency indeks (CI) dengan rumus :
��=(7.349−7) (7−1)
CI =0,058
6. Menghitung nilai consistency ratio (CR) dengan rumus : Untuk n = 7 maka RI = 1,32
Memeriksa konsistensi hirarki. Karena nilai CR<0,1 maka hasil perhitungan dinyatakan konsisten.
5. Kriteria Bonus
1. Menentukan alternatif dalam memilih operator seluler terbaik, serta menghitung matriks alternatif berpasangan.
Tabel 3.19. Matriks Faktor Berpasangan untuk Kriteria Bonus Bonus Simpati AS IM3 XL 3(Three) Mentari Axis
2. Menghitung matriks faktor pembobotan hirarki untuk semua alternatif disederhanakan.
Bonus Simpati AS IM3 XL 3(Three) Mentari Axis
3. Membuat tabel normalisasi yaitu membagi nilai masing-masing sel pada tabel 3.21. dengan jumlah masing-masing kolomnya.
HN Simpati >< Simpati = 1
HN 3(Three) >< Simpati =0.2 9.7
= 0.025 HN Mentari >< Simpati =0.166
9.7 HN Mentari><AS = 0.25
HN XL><IM3 = 3 6.058
= 0.495 HN3(Three)><IM3 =0.166
6.058
HNIM3><XL = 0.333
2.318
= 0.143
HN XL >< XL = 1
2.318
= 0.431 HN3(Three)><XL = 0.125
2.318 HN Simpati><3(Three) = 5
29.5
= 0.169 HN AS><3(Three) = 3
29.5 = 0.101 HNIM3><3(Three) = 6
29.5
= 0.203 HN XL >< 3(Three) = 8
29.5 = 0.271 HN3(Three)><3(Three) = 1
29.5
= 0.033 HN Mentari >< 3(Three) = 0.5
29.5
= 0.016 HN AXIS><3(Three) = 6
29.5
= 0.203 HN Simpati >< Mentari = 6
36
= 0.166
HN AS><Mentari =4
36 = 0.111
HNIM3><Mentari =7
36 = 0.194 HN XL >< Mentari =9
36
= 0.25 HN3(Three)><Mentari =2
36
= 0.055 HN Mentari >< Mentari =1
36
= 0.027 HN AXIS >< Mentari =7
36
HN Simpati >< AXIS = 0.5 6.058
= 0.082
HN AS><AXIS =0.25
6.058 HN3(Three)><AXIS = 0.166
6.058
Tabel 3.21. Matriks Faktor Evaluasi untuk Kriteria bonus yang dinormalkan
Bonus Simpati AS IM3 XL 3(Three) Mentari Axis Eigen
4. Menghitung eigen value ((λ max) dengan cara menjumlahkan hasil perkalian jumlah tiap kolom tiap kriteria dengan nilai eigen vector tiap kriteria
Nilai eigenvalue= (9.7 x 0.128) + (18.583 x 0.062) + (6.058 x 0.192) + (2.318 x 0.397) + (29.5 x 0.033) + (36 x 0.024) +
(6.058 x 0192) = 7.416
5. Menghitung nilai consistency indeks (CI) dengan rumus :
��=(���� − �) (� −1)
��=(7.42−7) (7−1)
CI =0,069
Untuk n = 7 maka RI = 1,32
�� =��
��
�� = 0,7
1,32
��=�,���
Memeriksa konsistensi hirarki. Karena nilai CR<0,1 maka hasil perhitungan dinyatakan konsisten.
Perhitungan Matriks Global
Tabel 3.22. Perhitungan Matriks Global
Kriteria Prioritas Simpati AS IM3 XL 3 (Three) Mentari Axis T.Telepon 0.153 0.364 0.038 0.157 0.100 0.157 0.027 0.157 SMS 0.410 0.036 0.063 0.375 0.266 0.097 0.025 0.139 Internet 0.284 0.379 0.072 0.072 0.146 0.270 0.035 0.025 Layanan 0.103 0.360 0.248 0.032 0.112 0.023 0.112 0.112 Bonus 0.049 0.125 0.065 0.185 0.383 0.034 0.024 0.185
Perhitungan Matriks Global
1. Simpati = (0.364x0.153)+ (0.038x0.410)+ (0.379x0.284)+ (0.360x0.103) + (0.125x0.049) =0.055692+0.01558+0.107636+0.03708+0.006125 = 0.221
2. AS = (0.038x0.153) + (0.063x0.410) + (0.072x0.284) + (0.248x0.103) + (0.065x0.049)= 0.005+0.025+0.020+0.025+0.003
= 0.078
3. IM3 = (0.157x0.153) + (0.375x0.410) + (0.072x0.284) + (0.032x0.103) + (0.185x0.049) = 0.024+0.153+0.020+0.003+0.009
4. XL = (0.100x0.153) + (0.266x0.410) + (0.146x0.284) + (0.112x0.103) + (0.383x0.049) =0.0153+0.109+0.041+0.011+0.018
= 0.194
5. 3(Three) = (0.157x0.153) + (0.097x0.410) + (0.270x0.284) + (0.023x0.103) + (0.034x0.049) =0.024+0.039+0.076+0.002+0.001
= 0.142
6. Mentari = (0.027x0.153) + (0.025x0.410) + (0.035x0.284) + (0.112x0.103) + (0.024x0.049) = 0.004+0.010+0.009+0.011+0.001
= 0.035
7. Axis = (0.157x0.153) + (0.139x0.410) + (0.025x0.284) + (0.112x0.103) + (0.185x0.049) =0.024+0.056+0.007+0.011+0.009
= 0.107
Tabel 3.23. Hasil Ranking Metode AHP
Alternatif Nilai Ranking
Simpati 0.221 1
IM3 0.209 2
XL 0.194 3
3(Three) 0.142 4
AXIS 0.107 5
AS 0.078 6
Mentari 0.035 7
3.3.2. Analisis proses MetodeSAW
Menentukan tujuan, kriteria, dan alternatif.
Tujuan : Menentukan Operator Seluler Terbaik.
Kriteria :Tarif Telepon, Tarif SMS, Tarif Internet, Layanan, Bonus. Alternatif : Simpati, AS, IM3, XL, 3(Three), Mentari, AXIS.
Tabel 3.24. Bobot Kriteria Kriteria Bobot Tarif Telepon 0,153
SMS 0,410
Internet 0,284
Layanan 0,103
Bonus 0,049
Pengambil keputusan memberikan bobot pada alternatifSimpati, AS, XL, IM3, 3(Three), Mentari, AXIS untuk tiap kriteria sebagaimana terlihat pada Tabel 3.25.
Tabel 3.25. Bobot Alternatif di Setiap Kriteria
Alternatif Tarif Telepon SMS Internet Layanan Bonus
��3,������������; �3 1
= 0,157
���{0.364; 0,038; 0,157; 0,100; 0,157; 0,027; 0,157}
=0,157
0,364 = 0,431
��,������������; �4 1
= 0,100
���{0.364; 0,038; 0,157; 0,100; 0,157; 0,027; 0,157}
=0,100
0,364 = 0,274
3(�ℎ���),������������; �5 1
= 0,157
���{0.364; 0,038; 0,157; 0,100; 0,157; 0,027; 0,157}
=0,157
0,364 = 0,431
�������,������������; �6 1
= 0,027
���{0.364; 0,038; 0,157; 0,100; 0,157; 0,027; 0,157}
=0,027
0,364 = 0,074
����,������������; �7 1
= 0,157
���{0.364; 0,038; 0,157; 0,100; 0,157; 0,027; 0,157}
=0,157
0,364 = 0,431
�������,���; �1 2
= 0,036
���{0,036; 0,063; 0,375; 0,266; 0,097; 0,025; 0,139}
=0,036
��,���;�2 2 = 0,063
���{0,036; 0,063; 0,375; 0,266; 0,097; 0,025; 0,139}
=0,063
0,375 = 0,168
��3,���; �3 2
= 0,375
���{0,036; 0,063; 0,375; 0,266; 0,097; 0,025; 0,139}
=0,375
0,375 = 1
��,���; �4 2 =
0,266
���{0,036; 0,063; 0,375; 0,266; 0,097; 0,025; 0,139}
=0,266
0,375= 0,709
3(�ℎ���),���; �5 2
= 0,097
���{0,036; 0,063; 0,375; 0,266; 0,097; 0,025; 0,139}
=0,097
0,375= 0,258
�������,���; �6 2
= 0,025
���{0,036; 0,063; 0,375; 0,266; 0,097; 0,025; 0,139}
=0,025
0,375= 0,066
����,���; �7 2
= 0,139
���{0,036; 0,063; 0,375; 0,266; 0,097; 0,025; 0,139}
=0,139
�������,��������; �1 3
= 0,379
���{0,379; 0,072; 0,072; 0,146; 0,270; 0,035; 0,025}
=0,379
0,379 = 1
��,��������; �2 3
= 0,072
���{0,379; 0,072; 0,072; 0,146; 0,270; 0,035; 0,025}
=0,072
0,379= 0.189
��3,��������; �3 3
= 0,072
���{0,379 0,072; 0,072; 0,146; 0,270; 0,035; 0,025}
=0,072
0,379= 0.189
��,��������; �4 3
= 0,146
���{0,379; 0,072; 0,072; 0,146; 0,270; 0,035; 0,025}
=0,146
0,379= 0.385
3(�ℎ���),��������; �5 3
= 0,270
���{0,379; 0,072; 0,072; 0,146; 0,270; 0,035; 0,025}
=0,270
0,379= 0.712
�������,��������; �6 3
= 0,035
���{0,379; 0,072; 0,072; 0,146; 0,270; 0,035; 0,025}
=0,035
