Analisis Metode AHP (Analytical Hierarchy Process) Berdasarkan Nilai Consistency Ratio

(1)

ANALISIS METODE AHP (ANALYTICAL HIERARCHY PROCESS) BERDASARKAN NILAI CONSISTENCY RATIO

TESIS

IMAM MUSLEM R 127038040

PROGRAM STUDI S2 TEKNIK INFORMATIKA

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA

(2)

ANALISIS METODE AHP (ANALYTICAL HIERARCHY PROCESS) BERDASARKAN NILAI CONSISTENCY RATIO

TESIS

Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Magister Teknik Informatika

IMAM MUSLEM R 127038040

PROGRAM STUDI S2 TEKNIK INFORMATIKA

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA

(3)

PERSETUJUAN

Judul : ANALISIS METODE AHP (ANALYTICAL HIERARCHY

PROCESS) BERDASARKAN NILAI CONSISTENCY RATIO

Kategori : TESIS

Nama : IMAM MUSLEM R

Nomor Induk Mahasiswa : 127038040

Program Studi : MAGISTER TEKNIK INFORMATIKA

Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS SUMATERA UTARA

Komisi Pembimbing :

Pembimbing 2 Pembimbing 1

Dr. Zakarias Siumorang Prof. Dr. Muhammad Zarlis

Diketahui/disetujui oleh

Program Studi Magister S2 Teknik Informatika

Ketua,

(4)

PERNYATAAN

ANALISIS METODE AHP (ANALYTICAL HIERARCHY PROCESS) BERDASARKAN NILAI CONSISENCY RATIO

TESIS

Saya mengakui bahwa tesis ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.

Medan, 27 Oktober 2014

(5)

PERNYATAAN PERSETUJUAN PUBLIKASI KARYA ILMIAH UNTUK KEPENTINGAN

AKADEMIS

Sebagai sivitas akademika Universitas Sumatera Utara, saya yang bertanda tangan di bawah ini:

Nama : Imam Muslem R

NIM : 127038040

Program Studi : Magister Teknik Informatika

Jenis Karya Ilmiah : Tesis

Demi pengembangan ilmu pengetahuan, menyetujui untuk memberikan kepada Universitas Sumatera Utara Hak Bebas Royalti Non-Eksklusif (Non-Exclusive Royalty Free Right) atas tesis saya yang berjudul:

ANALISIS METODE AHP (ANALYTICAL HIERARCHY PROCESS) BERDASARKAN NILAI CONSISENCY RATIO

Beserta perangkat yang ada (jika diperlukan). Dengan Hak Bebas Royalti Non-Eksklusif ini, Universitas Sumatera Utara berhak menyimpan, mengalih media, memformat, mengelola dalam bentuk database, merawat dan mempublikasikan tesis saya tanpa menerima izin dari saya selama tetap mencantumkan nama saya sebagai penulis dan sebagai pemegang dan/atau sebagai pemilik hak cipta.

Demikian pernyataan ini dibuat dengan sebenarnya.

(6)

Telah diuji pada

Tanggal: 24 Juli 2014

PANITIA PENGUJI TESIS

Ketua : Prof. Dr. Muhammad Zarlis

Anggota : 1. Dr. Zakarias Situmorang

2. Prof. Dr. Tulus

3. Dr. Erna Budhiarti Nababan, M.IT

(7)

RIWAYAT HIDUP

DATA PRIBADI

Nama Lengkap (berikut gelar) : Imam Muslem R, ST

Tempat dan Tanggal Lahir : Bandar Dua, 8 Juni 1991

Alamat Rumah : Jl. Almuslim Desa Payacut, Kecamatan Peusangan, Kabupaten Bireuen

Telepon/Faks/HP : 0852 7506 6648

E-mail : imamtkj@gmail.com

Instansi Tempat Bekerja : -

Alamat Kantor : -

DATA PENDIDIKAN

SD : MIN 1 Matangglumpangdua TAMAT: 2002

SMP : SMP Negeri 1 Peusangan TAMAT: 2005

SMA : SMK Negeri 1 Bireuen TAMAT: 2008

S1 : Universitas Islam Sumatera Utara TAMAT: 2012

(8)

KATA PENGANTAR

Bismillah. Alhamdulillah, pertama tama dan yang paling utama, penulis mengucapkan puji dan syukur kehadirat Allah SWT, yang telah melimpahkan rahmat dan karunia – Nya kepada penulis, sehingga penulis dapat menyelesaikan tesis ini tepat pada waktunya. Penulis mengucapkan ribuan terimakasih kepada :

1. Rektor Universitas Sumatera Utara, Bapak Prof. Dr. Syaril pasaribu DTM&H, M.Sc (CTM), Sp. A(K) atas kesempatan yang telah diberikan kepada penulis untuk dapat mengikuti dan menyelesaikan pendidikan Program Magister.

2. Ketua Program Studi Magister Teknik Informatika, Bapak Prof. Dr. Muhammad Zarlis. Sekretaris Program Studi Teknik Informatika, Bapak M. Andri Budiman, ST, M.Comp. Sc, MEM. Beserta seluruh Staf Pengajar Program Studi Magister Teknik Informatika Program Pascasarjana Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara

3. Terima kasih tak terhingga dan penghargaan yang setinggi-tingginya atas bimbingan, pengarahan dan dorongan yang telah diberikan selama penyusunan tesis ini kepada Bapak Prof. Dr. Muhammad Zarlis selaku Pembimbing Utama, demikian juga kepada Dr. Zakarias Situmorang selaku Pembimbing Kedua yang dengan penuh kesabaran menuntun dan membimbing penulis hingga selesainya tesis ini dengan baik.

4. Terimakasih yang tak terhingga serta penghargaan setingggi-tingginya juga penulis ucapkan kepada Bapak Prof. Dr. Tulus, Ibu Dr. Erna Budhiarti Nababan, M.IT dan Bapak Dr. Mahyuddin, M.TI sebagai Dosen Pembanding yang telah memberikan saran dan masukan serta arahan yang baik demi penyelesaian tesis ini.

5. Terimakasih yang tak terhingga juga penulis ucapkan kepada kedua orang tua, Bapak Drs. Zainuddin, M.Pd dan Ibu Darmawati, Putri Rizana Mustafa serta keluarga besar yang selalu member doa dan dukungan kepada penulis

(9)

Penulis menyadari bahwa penelitian ini masih jauh dari kata sempurna, ini dikarenakan oleh keterbatasan, kemampuan dan pengetahuan penulis. Harapan penulis,semoga penelitian ini bermanfaat bagi penulis khususnya dan pembaca pada umumnya. Sekali lagi penulis mengucapkan terimakasih, semoga Allah SWT membalas kebaikan yang telah di berikan.Amin.

Penulis,

Imam Muslem R

(10)

ABSTRAK

Metode AHP (Analytical Hierarchy Process) adalah sistem pendukung keputusan yang dikembangkan dengan membandingkan derajat kepentingan antar kriteria. Kelemahan dari metode ini adalah penilaian akan bersifat tidak konsisten apabila pengambil keputusan melakukan kekeliruan dalam membandingan derajat kepentingan antara kriteria. Nilai CR<0,1 yang ditetapkan dalam metode AHP merupakan nilai batas yang menjadi pengukuran kekonsistenan sebuah hirarki. Batas yang ditetapkan tersebut perlu dilakukan analisa terhadap nilai yang lebih besar. Dalam penelitian ini digunakan beberapa model matriks perbandingan berpasangan yang mempunyai nilai consistency ratio yang berbeda,. Matriks dengan nilai consistency ratio diluar nilai yang ditetapkan akan dianalisa perbandingannya dengan matriks yang dianggap konsisten. Hasil yang didapat adalah matriks dengan nilai CR yang dianggap konsisten akan mendapatkan nilai bobot prioritas pada iterasi ke-4. Sedangkan matriks perbandingan berpasangan dengan nilai CR yang dianggap tidak konsisten belum mendapatkan bobot prioritas pada iterasi ke-4, tetapi diperoleh pada iterasi ke-6.

(11)

ANALYSIS OF AHP (ANALYTICAL HIERARCHY PROCESS) METHOD BASED ON THE VALUE OF CONSISTENCY RATIO

ABSTRACT

AHP (Analytical Hierarchy Process) is a decision support system developed by comparing the degree of interest among criteria. The drawback of this method is the assessment will be inconsistent if the decision maker makes the mistake of comparing the degree of interest among the criteria. CR values <0.1 are defined in the AHP limit value into a hierarchy of consistency measurements. Set limit is necessary to analyze the larger value. This study used multiple pairwise comparison matrix models that have different values consistency ratio,. Matrix with consistency ratio values outside the specified values will be analyzed in comparison with the matrix is considered consistent. The result is a matrix with values that are considered consistent CR will get priority weight value at the 4th iteration. While the pairwise comparison matrix with the value of CR is considered to be inconsistent not get priority weight at the 4th iteration, but obtained at iteration 6.

(12)

DAFTAR ISI

DAFTAR GAMBAR ... viii

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

BAB 2 TINJAUAN PUSTAKA 2.1 MCDM (Multiple Criteria Decision Making) ... 5

2.2 AHP (Analytical Hierarchy Process) ... 5

2.2.1. Prinsip-Prinsip AHP………. 6

2.2.2. Tahapan-Tahapan AHP………. ... 8

2.2.3. Hubungan Prioritas Sebagai Eigen Vector Terhadap Konsistensi………. ... 9

2.3 Riset Terkait ... 11

BAB 3 METODOLOGI PENELITIAN 3.1 Pendahuluan ... 12

3.2 Teknik Pengembangan ... 13

3.3 Alat Bantu Penelitian ... 13

3.4 Data Penelitian ... 14

3.5 Perancangan Data ... 14

BAB 4 HASIL DAN PEMBAHASAN 4.1 Hasil Perhitungan Manual Matriks Perbandingan Berpasangan ... 20

4.2 Perbandingan Matriks Berdasarkan Nilai Inconsistency.. 47

4.3 Konstribusi Penelitian ... 48

BAB 5 KESIMPULAN DAN SARAN 5.1 Kesimpulan ... 50

5.2 Saran ... 50

(13)

(14)

DAFTAR TABEL

Hal.

TABEL 2.1. Skala Saaty ……….……… 8

TABEL 3.1. Matriks dengan Nilai Inconsistency=0,00 ………. 15

TABEL 3.9. Matriks dengan Nilai Inconsistency=0,08 ……… 17

TABEL 4.2. Hasil Sintesis Matriks Inconsistency=0,00 dengan Total 4 Iterasi Matriks……… 21

(15)

TABEL 4.4. Hasil Sintesis Matriks Inconsistency=0,01 dengan Total 4 Iterasi

Matriks……… 22

TABEL 4.5. Matriks dengan Nilai Inconsistency=0,02 ………. 23 TABEL 4.6. Hasil Sintesis Matriks Inconsistency=0,02 dengan Total 4 Iterasi

Matriks……… 24

Matriks……… 25

Matriks……… 27

Matriks……… 28

Matriks……… 30

Matriks……… 31

TABEL 4.17. Matriks dengan Nilai Inconsistency=0,08 ……… 32 TABEL 4.18. Hasil Sintesis Matriks Inconsistency=0,08 dengan Total 4 Iterasi

Matriks……… 33

Matriks……… 34

(16)

Matriks……… 36 TABEL 4.23. Matriks dengan Nilai Inconsistency=0,095 ………. 37 TABEL 4.24. Hasil Sintesis Matriks Inconsistency=0,095 dengan Total 4 Iterasi

Matriks……… 37

Matriks……… 39

Matriks……… 40

Matriks……… 42

TABEL 4.31 Matriks dengan Nilai Inconsistency=0,15 ………. 43 TABEL 4.32. Hasil Sintesis Matriks Inconsistency=0,15 dengan Total 4 Iterasi

Matriks……… 43

TABEL 4.33 Matriks dengan Nilai Inconsistency=0,25 ………. 44 TABEL 4.34. Hasil Sintesis Matriks Inconsistency=0,25 dengan Total 4 Iterasi

Matriks……… 45

(17)

DAFTAR GAMBAR

Hal.

GAMBAR 2.1. Hirarki Keputusan dari AHP……… 7

GAMBAR 3.1 Diagram Penelitian Secara Umum………. 13 GAMBAR 4.1. Grafik Hasil Perhitungan Matriks dengan Inconsistency yang

bernilai 0,00……… 21

GAMBAR 4.2. Grafik Hasil Perhitungan Matriks dengan Inconsistency yang

(18)

bernilai 0,092……… 36 GAMBAR 4.12. Grafik Hasil Perhitungan Matriks dengan Inconsistency yang

(19)

ABSTRAK

Metode AHP (Analytical Hierarchy Process) adalah sistem pendukung keputusan yang dikembangkan dengan membandingkan derajat kepentingan antar kriteria. Kelemahan dari metode ini adalah penilaian akan bersifat tidak konsisten apabila pengambil keputusan melakukan kekeliruan dalam membandingan derajat kepentingan antara kriteria. Nilai CR<0,1 yang ditetapkan dalam metode AHP merupakan nilai batas yang menjadi pengukuran kekonsistenan sebuah hirarki. Batas yang ditetapkan tersebut perlu dilakukan analisa terhadap nilai yang lebih besar. Dalam penelitian ini digunakan beberapa model matriks perbandingan berpasangan yang mempunyai nilai consistency ratio yang berbeda,. Matriks dengan nilai consistency ratio diluar nilai yang ditetapkan akan dianalisa perbandingannya dengan matriks yang dianggap konsisten. Hasil yang didapat adalah matriks dengan nilai CR yang dianggap konsisten akan mendapatkan nilai bobot prioritas pada iterasi ke-4. Sedangkan matriks perbandingan berpasangan dengan nilai CR yang dianggap tidak konsisten belum mendapatkan bobot prioritas pada iterasi ke-4, tetapi diperoleh pada iterasi ke-6.

(20)

ANALYSIS OF AHP (ANALYTICAL HIERARCHY PROCESS) METHOD BASED ON THE VALUE OF CONSISTENCY RATIO

ABSTRACT

AHP (Analytical Hierarchy Process) is a decision support system developed by comparing the degree of interest among criteria. The drawback of this method is the assessment will be inconsistent if the decision maker makes the mistake of comparing the degree of interest among the criteria. CR values <0.1 are defined in the AHP limit value into a hierarchy of consistency measurements. Set limit is necessary to analyze the larger value. This study used multiple pairwise comparison matrix models that have different values consistency ratio,. Matrix with consistency ratio values outside the specified values will be analyzed in comparison with the matrix is considered consistent. The result is a matrix with values that are considered consistent CR will get priority weight value at the 4th iteration. While the pairwise comparison matrix with the value of CR is considered to be inconsistent not get priority weight at the 4th iteration, but obtained at iteration 6.

(21)

BAB 1 PENDAHULUAN

1.1. Latar Belakang

Sistem pendukung keputusan merupakan sebuah sistem untuk membantu para pengambil keputusan dengan menganalisa alternatif yang menjadi output sistem. Dalam membangun sebuah sistem pendukung keputusan, beberapa metode dapat digunakan dalam mengoptimalkan hasil. Salah satu metode yang sering digunakan adalah metode AHP (Analytical Hierarchy Process).

Metode AHP banyak diaplikasikan dalam berbagai sektor, diantaranya adalah sektor pertanian, sektor industri, sektor pariwisata, sektor medis bahkan pada sektor properti. Dalam sektor medis, Makasau (2012) menggunakan AHP dalam menganalisis alternatif-alternatif untuk menentukan program kesehatan yang paling efektif. Dalam sektor pertanian, Ikhsan (2011) menggunakan metode AHP dalam menentukan KUP (Komoditas Unggulan Pertanian). Dalam sektor properti, Nugraha et al (2013) juga menggunakan metode AHP dalam menentukan supplier bahan baku dengan perhitungan berbagai kriteria.

Metode AHP (Analytical Hierarchy Process) adalah sebuah metode pengambilan keputusan multikriteria yang dikembangkan oleh Thomas L. Saaty pada awal tahun 1970. Metode AHP merupakan salah satu metode perbandingan berpasangan yang paling populer digunakan untuk pengambilan keputusan dalam permasalahan Multi-Criteria Decision Making (MCDM). Pendekatan AHP didesain untuk membantu pengambil keputusan untuk menggabungkan faktor kualitatif dan faktor kuantitatif dari suatu permasalahan yang kompleks. Penggunaan AHP dalam berbagai bidang meningkat cukup signifikan, hal ini dikarenakan AHP dapat menghasilkan solusi dari berbagai faktor yang saling bertentangan.

Menurut Saaty (1993), hirarki didefinisikan sebagai suatu representasi dari sebuah permasalahan yang kompleks dalam suatu struktur multi level dimana level pertama adalah tujuan, yang diikuti level faktor, kriteria, sub kriteria, dan seterusnya ke bawah hingga level terakhir dari alternatif. Dengan hirarki, suatu masalah yang kompleks dapat diuraikan ke dalam kelompok-kelompoknya yang kemudian diatur menjadi suatu bentuk hirarki sehingga permasalahan akan tampak lebih terstruktur dan sistematis.

(22)

manual disamping dapat mengakibatkan terjadinya pertukaran data, juga mengakibatkan data yang diolah menjadi tidak valid. Oyama (2013) membangun sebuah sistem pendukung keputusan multikriteria dalam menentukan penerima beasiswa dengan menganalisa perbandingan kriteria menggunakan metode AHP.

Penggunaan metode AHP pada sistem pendukung keputusan didasarkan oleh model input spesifik yang dikembangkan oleh Saaty. Dalam metode AHP, kriteria-kriteria yang menjadi penilaian pengambilan keputusan diprioritaskan sesuai tingkat atau derajat kepentingannya.

Dalam penentuan prioritas, orang dengan mudah menyatakan KPI A lebih penting daripada KPI B, KPI C lebih penting dari KPI A dan seterusnya tanpa memberi gambaran tentang seberapa pentingnya kriteria tersebut dengan kriteria yang lain. Cara seperti itu menjadi sangat tidak efektif dalam menentukan bobot dari tiap-tiap kriteria yang digunakan, terlebih jika kriteria yang menjadi penilaian berjumlah sangat banyak. Oleh karena itu, digunakan metode AHP untuk menentukan prioritas terhadap KPI yang menjadi kriteria penilaian. Dalam metode AHP, penentuan prioritas kriteria dilakukan dengan metode perbandingan berpasangan. Analisa input dari pengembang sangat menentukan optimal nya output yang dihasilkan. Dalam metode perbandingan berpasangan akan ditentukan tingkat kepentingan dari kriteria-kriteria yang menjadi penilaian. Tingkat kepentingan tersebut akan digambarkan dalam matriks perbandingan berpasangan.

Keakuratan perhitungan pada matriks perbandingan berpasangan sangat menentukan konsistensi hierarki dari metode AHP. Kekeliruan perhitungan dapat menyebabkan hasil dari matriks perbandingan berpasangan menjadi tidak konsisten, sehingga perlu dilakukan perhitungan ulang. Dalam AHP, digunakan sebuah rumus untuk menentukan kekonsistenan dari prioritas kriteria-kriteria yang menjadi penilaian. Rumus tersebut digunakan untuk menentukan nilai CR (Consistency Ratio). Makkasau (2012) menjelaskan mengenai nilai Consistency Ratio (CR). Apabila nilai CR semakin besar maka nilai konsistensi semakin kecil.

(23)

memperbandingkan kandidat C dengan kandidat A, maka keputusan yang konsisten adalah kandidat A 15 kali lebih baik daripada kandidat C. Keputusan akan memiliki nilai konsistensi yang rendah apabila pengambil keputusan justru menilai kandidat C 7 kali lebih baik daripada A, Padmowati (2012).

Penelitian ini bertujuan untuk meneliti pengaruh nilai Inconsistency terhadap hirarki dalam AHP. Penulis melakukan penelitian terhadap nilai Inconsistency yang bernilai 0,00 – 0,11; 0,15; 0,25; 0,50. Dalam penelitian ini penulis akan membuat beberapa model matriks perbandingan antar kriteria yang menghasilkan nilai Inconsistency yang berbeda. Matriks tersebut akan menghasilkan prioritas kriteria yang berbeda-beda. Nilai-nilai prioritas kriteria tiap matriks akan dianalisa dan dilakukan perbandingan dengan nilai prioritas matriks lainnya.

1.2. Rumusan Masalah

Nilai konsistensi matriks yang ditetapkan dalam metode AHP perlu dilakukan analisa tentang batas konsistensi yang paling tepat.

1.3. Batasan Masalah

Batasan masalah dalam penelitian adalah sebagai berikut:

1. Analisa yang akan dilakukan dalam penelitian ini adalah analisa terhadap nilai CR untuk beberapa model matriks perbandingan.

2. Dalam penelitian ini dilakukan analisa terhadap efek dari nilai konsistensi jika 0,1<CR<0,1-0,5.

3. Dikarenakan data yang digunakan hanya untuk pengujian, maka penelitian ini tidak melakukan pendekatan kuantitatif dalam pengumpulan data, akan tetapi hanya menggunakan data asumsi.

4. Penelitian ini tidak melakukan optimasi terhadap metode AHP.

1.4. Tujuan Penelitian

Adapun tujuan dari penelitian ini yaitu:

1. Mengidentifikasi apakah perubahan prioritas pada matriks perbandingan berpasangan dapat menyebabkan perubahan pada nilai konsistensi.

(24)

1.5. Manfaat Penelitian

(25)

BAB 2

TINJAUAN PUSTAKA

2.1. MCDM (Multiple Criteria Decision Making)

Multi-Criteria Decision Making (MCDM) adalah suatu metode pengambilan keputusan untuk menetapkan alternatif terbaik dari sejumlah alternatif berdasarkan beberapa kriteria tertentu. Kriteria biasanya berupa ukuran-ukuran atau aturan-aturan atau standar yang digunakan dalam pengambilan keputusan. Secara umum dapat dikatakan bahwa MCDM menyeleksi alternatif terbaik dari sejumlah alternatif. (Kusumadewi et al, 2006).

Janko (2005) menyebutkan terdapat beberapa fitur umum yang digunakan dalam MCDM, yaitu:

1. Alternatif, alternatif adalah obyek-obyek yang berbeda dan memiliki kesempatan yang sama untuk dipilih oleh pengambil keputusan.

2. Atribut, atribut sering juga disebut sebagai kriteria keputusan.

3. Konflik antar kriteria, beberapa kriteria biasanya mempunyai konflik antara satu dengan yang lainnya, misalnya kriteria keuntungan akan mengalami konflik dengan kriteria biaya.

4. Bobot keputusan, bobot keputusan menunjukkan kepentingan relatif dari setiap kriteria, =( 1, 2, 3,…, ).

5. Matriks keputusan, suatu matriks keputusan yang berukuran x , berisi elemen-elemen yang merepesentasikan rating dari alternatif � ; =1,2,3,…, terhadap kriteria � ; =1,2,3,…, .

2.2. AHP (Analytic Hierarchy Process)

(26)

dikarenakan AHP dapat menghasilkan solusi dari berbagai faktor yang saling bertentangan. AHP diaplikasikan dalam bidang agrikultur, sosiologi, industri dan lain sebagainya.

Prinsip kerja AHP adalah membentuk suatu struktur permasalahan. Dalam menyelesaikan permasalahan MCDM, AHP menyusun struktur hirarki masalah mulai dari yang paling atas yang disebut goal, kemudian dibawahnya disebut variabel kriteria dan selanjutnya diikuti oleh variabel alternatif. Pengambil keputusan, selanjutnya memberikan penilaian numerik berdasarkan pertimbangan subjektifitas terhadap variabel-variabel yang ada untuk menentukan tingkatan prioritas masing-masing variabel tersebut.

2.1.1. Prinsip-Prinsip AHP

Ada beberapa prinsip dasar dalam menyelesaikan persoalan dengan Metode AHP, yakni (Mulyono, 2004):

1. Decomposition

Prinsip ini merupakan tindakan memecah persoalan-persoalan yang utuh menjadi unsur-unsurnya. Jika ingin mendapat hasil yang akurat, pemecahan dilakukan terhadap unsur-unsurnya sampai tidak mungkin dilakukan pemecahan yang lebih lanjut sehingga didapatkan beberapa tingkatan dari persoalan yang ada. Karena alasan ini, maka proses analisis ini dinamakan hirarki (hierarchy). Ada dau jenis hirarki, yaitu lengkap (complete) dan tidak lengkap (incomplete). Suatu hirarki disebut lengkap (complete) bila semua elemen pada suatu tingkat memiliki semua elemen pada tingkat berikutnya, jika tidak demikian, dinamakan hirarki tidak lengkap (incomplete). Bentuk struktur decomposition yakni:

Tingkat pertama : Goal (Objektif/ Tujuan keputusan) Tingkat kedua : Kriteria-kriteria

(27)

Gambar 2.1. Hirarki keputusan dari AHP

2. Comparative Judgment

(28)

Tabel 2.1. Skala Saaty

Tingkat

Kepentingan Definisi

1 Sama pentingnya dibanding yang lain 3 Moderat pentingnya dibanding yang lain 5 Kuat pentingnya dibanding yang lain 7 Sangat kuat pentingnya dibanding yang lain 9 Ekstrim pentingnya dibanding yang lain 2,4,6,8 Nilai di antara dua penilaian yang berdekatan

3. Synthesis of Priority

Setelah matriks pairwise comparison diperoleh, kemudian dicari eigen vektornya untuk mendapatkan local priority. Karena matriks pairwise comparison terdapat pada setiap tingkat, maka untuk mendapatkan global priority dapat dilakukan dengan sintesa diantara local priority.

4. Logical Consistency

Konsistensi memiliki dua makna. Pertama adalah bahwa obyek-obyek yang serupa dapat dikelompokkan sesuai dengan keseragaman dan relevansinya. Kedua adalah tingkat hubungan antara obyek-obyek yang didasarkan pada kriteria tertentu.

2.1.2. Tahapan-tahapan AHP

Tahapan-tahapan pengambilan keputusan dengan Metode AHP adalah sebagai berikut: 1. Mendefinisikan masalah dan menentukan solusi yang diinginkan

2. Membuat struktur hirarki yang diawali dengan tujuan umum, dilanjutkan dengan kriteria-kriteria, sub kriteria dan alternatif-alternatif pilihan yang ingin di ranking. 3. Membentuk matriks perbandingan berpasangan yang menggambarkan kontribusi

(29)

4. Menormalkan data yaitu dengan membagi nilai dari setiap elemen di dalam matriks yang berpasangan dengan nilai total dari setiap kolom.

5. Menghitung nilai eigen vector dan menguji konsistensinya, jika tidak konsisten pengambil data (preferensi) perlu diulangi. Nilai eigen vector yang dimaksud adalah nilai eigen vector maximum yang diperoleh dengan menggunakan matlab maupun manual.

6. Mengulangi langkah 3, 4, dan 5 untuk seluruh tingkat hirarki.

7. Menghitung eigen vector dari setiap matriks perbandingan berpasangan. Nilai eigen vector merupakan bobot setiap elemen. Langkah ini mensintesis pilihan dan penentuan prioritas elemen-elemen pada tingkat hirarki terendah sampai pencapaian tujuan.

8. Menguji konsistensi hirarki. Jika tidak memenuhi dengan CR<0,100 maka penilaian harus diulang kembali.

2.1.3. Hubungan Prioritas sebagai Eigen Vector terhadap Konsistensi

Menurut Mulyono (2004), banyak cara untuk mencari vektor prioritas dari matriks pairwise comparison. Tetapi penekanan pada konsistensi menyebabkan digunakan rumus eigen value.

Diketahui elemen-elemen dari suatu tingkat dalam suatu hirarki adalah C1, C1,….., Cn dan bobot pengaruh mereka adalah w1, w2,….., wn. Misalkan aij = wi/wj menunjukkan kekuatan Ci jika dibandingkan dengan Cj. Matriks dari angka-angka aij ini dinamakan matriks pairwise comparison, yang diberi simbol A. Telah disebutkan bahwa A adalah matriks reciprocal, sehingga aij = 1/aij. Jika penilaian kita sempurna pada setiap perbandingan, maka aij = aij, ajk untuk semua i, j, k dan matriks A dinamakan konsisten. Kemudian ikuti manipulasi matematika berikut :

(30)

Rumus ini menunjukkan bahwa w merupakan eigen vector dari matriks A dengan eigen value _{n. Jika aij tidak didasarkan pada ukuran pasti (seperti wi,}….., wn), tetapi pada penilaian subyektif, maka aij akan menyimpang dari rasio wi/wj yang sesungguhnya, dan akibatnya Aw = nw tak dipenuhi lagi. Dua kenyataan dalam teori matriks memberikan kemudahan, pertama jika z1, ……, zn adalah angka-angka yang memenuhi persamaan Aw = Zw di mana Z merupakan eigen value _{dari matrika A, dan jika aij = 1 untuk i, maka}

n Σ Zi= n j=1

Karena itu, jika Aw = Zw dipenuhi, maka semua eigen value sama dengan nol, kecuali eigen value yang satu, yaitu sebesar n. Maka jelas dalam kasus konsisten, n merupakan eigen value A terbesar.

Kedua, jika salah satu aij dari matriks reciprocal A berubah sangat kecil, maka eigen value juga berubah sangat kecil. Kombinasi keduanya menjelaskan bahwa jika diagonal matriks A terdiri dari aij = 1 dan jika A konsisten, maka perubahan kecil pada aij menahan eigen value terbesar, Z mak, dekat ke n, dan eigen value sisanya dekat ke nol. Karena itu persoalannya adalah jika A merupakan matriks pairwise comparison, untuk mencari vektor prioritas, harus dicari w yang memenuhi:

Aw = Z mak.w

Perubahan kecil aij menyebabkan perubahan Z maksimum, penyimpangan Z maksimum dari n merupakan ukuran konsistensi. Indikator terhadap konsistensi diukur melalui Consistency Index (CI) yang dirumuskan:

CI = (Zmak – n)/(n-1)

AHP mengukur seluruh konsistensi penilaian dengan menggunakan Consistency Ratio (CR), yang dirumuskan:

�� = � �

��

(31)

Dalam melakukan penelitian, penulis menggunakan beberapa riset terkait yang dijadikan acuan dalam melakukan penelitian. Adapun riset-riset terkait tersebut adalah:

1. Shinohara dan Osawa (2007), menjelaskan tentang kelemahan metode AHP yang dipengaruhi oleh banyak nya kriteria dan alternatif. Semakin banyak kriteria dan alternatif, maka semakin berpengaruh kepada nilai konsistensi hierarki AHP, hal ini disebabkan oleh judgement pembuat keputusan yang memberikan penilaian terhadap dua variabel secara keliru.

2. Oyama (2011) menjelaskan tentang nilai inconsistency yang berpengaruh terhadap konsistensi hierarki.

3. Ghosh et al (2011) menjelaskan bagaimana melakukan consistency test terhadap hierarki pada metode AHP.

4. Anhar & Widodo (2013) menjelaskan bahwa nilai consistency ratio harus bernilai CR<0,1 dalam melakukan perangkingan alternatif dengan metode TOPSIS.

(32)

BAB 3

METODE PENELITIAN

1.6. Pendahuluan

Dalam penelitian ini, penulis melakukan analisa metode AHP terhadap nilai consistency ratio. Dalam penelitian sebelumnya oleh Zhang & Feng (2013) telah dijelaskan bahwa nilai consistency ratio harus bernilai dibawah 0,1. Nilai tersebut adalah batas dari inconsistency yang masih dapat diterima. Pada penelitian tersebut juga disebutkan bahwa nilai consistency ratio yang bernilai CR>0,1 akan berakibat kepada nilai konsistensi hierarki. Dalam penelitian tersebut juga dijelaskan bahwa apabila nilai CR>0,1 maka harus dilakukan modifikasi dari matriks perbandingan berpasangan.

Dari nilai konsistensi yang didapat pada tiap-tiap model, selanjutnya akan dilakukan analisa terhadap model yang mempunyai nilai konsistensi CR<0,1 - CR<0,5. Dalam tahap analisa ini akan di uji apakah nilai prioritas kriteria pada matriks perbandingan berpasangan dapat mempengaruhi nilai konsistensi.

Adapun diagram penelitian secara umum dapat dilihat pada gambar dibawah ini:

Gambar 3.1. Diagram Penelitian Secara Umum Matriks perbandingan

berpasangan

Perhitungan Manual tiap Matriks

Kesimpulan

Analisa nilai konsistensi indeks berdasarkan nilai CR

(33)

Langkah pertama dalam penelitian ini yaitu membuat beberapa matriks perbandingan berpasangan yang mempunyai nilai 0,00 - 0,11, 0,15, 0,25 dan 0,50. Dalam penelitian ini, anaisis lebih detail dlakukan pada matriks dengan nilai inconsistency 0,092, 0,095 dan 0,098. Pada tahap selanjutnya dilakukan analisa terhadap nilai konsistensi indeks yang dihasilkan tiap-tiap matriks. Pada tahap ini akan dilakukan analisa pada perubahan nilai indeks konsistensi dari tiap-tiap matriks perbandingan berpasangan.

1.7. Teknik Pengembangan

Penelitian ini akan dilakukan dengan langkah-langkah sebagai berikut: 1. Studi Literatur dan konsultasi bimbingan

Pada tahap ini dikumpulkan bahan-bahan penelitian melalui berbagai sumber kepustakaan, baik berupa buku-buku, jurnal, prosiding, majalah dan lain-lain sebagai bahan pendukung dan juga melakukan konsultasi dengan pembimbing tesis.

2. Menyusun data asumsi

Dikarenakan data yang digunakan hanya untuk menguji konsistensi, maka pengumpulan data tidak dilakukan. Data yang digunakan adalah data hasil asumsi penulis.

3. Analisa

Pada tahap ini akan dilakukan analisa metode AHP berdasarkan nilai konsistensi rasio.

4. Pelaksanaan pengujian

Pada tahap ini akan dilakukan pengujian dengan menggunakan data secara manual. 5. Tahap akhir ini merupakan dokumentasi dari teori-teori penunjang, hasil dan analisa

pengujian, serta saran dan kesimpulan.

1.8. Alat Bantu Penelitian

Dalam Penelitian ini digunakan beberapa alat bantu untuk mendukung tercapainya hasil penelitian, alat bantu tersebut adalah sebagai berikut.

1. Laptop ACER Aspire 5570: - Processor Dual Core - RAM 1 GB

(34)

2. Software Microsoft Office Excel 2007

3. Software ExpertChoice 11

3.1. Data Penelitian

Data yang digunakan dalam penelitian ini adalah data yang berasal dari penelitian sebelumnya mengenai metode AHP dalam menentukan perusahaan BUMN favorit mahasiswa. Data yang digunakan dalam penelitian ini hanya sebatas 4 buah kriteria yaitu, Gaji, Jenjang Karir, Fasilitas dan Penempatan. Adapun kriteria yang menjadi kasus dalam penelitian ini adalah sebagai berikut:

C1 : Gaji

C2 : Jenjang Karir C3 : Fasilitas C4 : Penempatan

3.5. Perancangan Data

Dalam penelitian ini, penulis merancang beberapa data untuk melakukan pengujian yang berbentuk matriks perbandingan berpasangan untuk kriteria. Matriks yang dirancang berdasarkan nilai bobot untuk masing-masing kriteria. Matriks tersebut akan dirancang berdasarkan nilai inconsistency nya. Matriks tersebut akan digunakan untuk proses analisa tentang perbedaaan antar matriks terhadap nilai inconsistency. Matriks-matriks tersebut dapat dilihat pada tabel-tabel dibawah ini:

3.5.1. Matriks dengan nilai inconsistency 0,00.

Tabel 3.1. Matriks dengan nilai Inconsistency=0,00

Gaji Jenjang

Karir Fasilitas Penempatan

Gaji 1.000 3.000 2.000 6.000

Jenjang Karir 0.333 1.000 0.500 2.000

Fasilitas 0.500 2.000 1.000 4.000

Penempatan 0.167 0.500 0.250 1.000

(35)

Gaji 1.000 3.000 2.000 5.000

Jenjang Karir 0.333 1.000 0.500 2.000

Fasilitas 0.500 2.000 1.000 3.000

Penempatan 0.200 0.500 0.333 1.000

∑ 2.033 6.500 3.833 11.000

Karir Fasilitas Penempatan

Gaji 1.000 5.000 2.000 5.000

Jenjang Karir 0.200 1.000 0.500 2.000

Fasilitas 0.500 2.000 1.000 3.000

Penempatan 0.200 0.500 0.333 1.000

∑ 1.900 8.500 3.833 11.000

Gaji 1.000 5.000 3.000 5.000

Jenjang Karir 0.200 1.000 1.000 2.000

Fasilitas 0.333 1.000 1.000 3.000

Penempatan 0.200 0.500 0.333 1.000

∑ 1.733 7.500 5.333 11.000

Gaji 1.000 5.000 3.000 6.000

Jenjang Karir 0.200 1.000 0.500 3.000

Fasilitas 0.333 2.000 1.000 3.000

Penempatan 0.167 0.333 0.333 1.000

(36)

Gaji 1.000 5.000 3.000 7.000

Jenjang Karir 0.200 1.000 0.333 3.000

Fasilitas 0.333 3.000 1.000 3.000

Penempatan 0.143 0.333 0.333 1.000

∑ 1.676 9.333 4.667 14.000

Gaji 1.000 7.000 4.000 8.000

Jenjang Karir 0.143 1.000 0.333 3.000

Fasilitas 0.250 3.000 1.000 3.000

Penempatan 0.125 0.333 0.333 1.000

∑ 1.518 11.333 5.667 15.000

Gaji 1.000 7.000 4.000 8.000

Jenjang Karir 0.143 1.000 0.250 2.000

Fasilitas 0.250 4.000 1.000 2.000

Penempatan 0.125 0.500 0.500 1.000

∑ 1.518 12.500 5.750 13.000

Gaji 1.000 5.000 4.000 8.000

Jenjang Karir 0.200 1.000 0.250 2.000

Fasilitas 0.250 4.000 1.000 2.000

Penempatan 0.125 0.500 0.500 1.000

(37)

3.5.10.Matriks dengan nilai inconsistency 0,09.

Gaji 1.000 5.000 5.000 8.000

Jenjang Karir 0.200 1.000 0.200 1.000

Fasilitas 0.200 5.000 1.000 5.000

Penempatan 0.125 1.000 0.200 1.000

∑ 1.525 12.000 6.400 15.000

3.5.11.Matriks dengan nilai inconsistency 0.092

Gaji 1.000 8.000 4.000 9.000

Jenjang Karir 0.125 1.000 0.200 2.000

Fasilitas 0.250 5.000 1.000 2.000

Penempatan 0.111 0.500 0.500 1.000

∑ 1.486 14.500 5.700 14.000

Gaji 1.000 8.000 4.000 8.000

Jenjang Karir 0.125 1.000 0.200 2.000

Fasilitas 0.250 5.000 1.000 2.000

Penempatan 0.125 0.500 0.500 1.000

∑ 1.500 14.500 5.700 13.000

Gaji 1.000 7.000 4.000 8.000

Jenjang Karir 0.143 1.000 0.200 2.000

Fasilitas 0.250 5.000 1.000 2.000

Penempatan 0.125 0.500 0.500 1.000

(38)

Gaji 1.000 5.000 5.000 8.000

Jenjang Karir 0.200 1.000 0.200 1.000

Fasilitas 0.200 5.000 1.000 5.000

Penempatan 0.125 1.000 0.200 1.000

∑ 1.525 12.000 6.400 15.000

Gaji 1.000 5.000 6.000 8.000

Jenjang Karir 0.200 1.000 0.200 1.000

Fasilitas 0.167 5.000 1.000 3.000

Penempatan 0.125 1.000 0.333 1.000

∑ 1.492 12.000 7.533 13.000

Gaji 1.000 4.000 6.000 6.000

Jenjang Karir 0.250 1.000 0.333 1.000

Fasilitas 0.167 3.000 1.000 6.000

Penempatan 0.167 1.000 0.167 1.000

∑ 1.583 9.000 7.500 14.000

(39)

Gaji 1.000 9.000 5.000 5.000

Jenjang Karir 0.111 1.000 0.125 3.000

Fasilitas 0.200 8.000 1.000 5.000

Penempatan 0.200 0.333 0.200 1.000

∑ 1.511 18.333 6.325 14.000

Gaji 1.000 4.000 7.000 4.000

Jenjang Karir 0.250 1.000 0.125 5.000

Fasilitas 0.143 8.000 1.000 8.000

Penempatan 0.250 0.200 0.125 1.000

(40)

BAB 4

HASIL DAN PEMBAHASAN

Pada penelitian ini, penulis menggunakan beberapa model matriks perbandingan berpasangan antar kriteria. Matriks tersebut digunakan untuk meneliti tingkat perubahan pada nilai consistency ratio. Penulis akan menganalisis nilai consistency ratio yang dihasilkan dari perhitungan matriks tiap-tiap model dan perbandingan.

Penulis membuat beberapa model matriks perbandingan antar kriteria yang mempunyai nilai konsistensi yang berbeda, mulai dari 0,00 0,50. Analisa juga dilakukan pada matriks dengan nilai konsistensi 0,092, 0,095 dan 0,098. Nilai consistency ratio dari tiap matriks akan dihitung untuk mengetahui perbedaan hasil dari tiap matriks tersebut. Hasil yang dibedakan berdasarkan jumlah iterasi untuk masing-masing matriks.

4.1. Hasil Perhitungan Manual Matriks Perbandingan berpasangan. 4.1.1. Perhitungan Manual Matriks dengan Nilai Konsistensi 0,00

Matriks perbandingan berpasangan antar kriteria berdasarkan nilai konsistensi yang bernilai 0,00 adalah sebagai berikut:

Tabel 4.1. Matriks Perbandingan dengan Inconsistency yang Bernilai 0,00

Gaji

Jenjang

Gaji 1 3 2 6

Jenjang Karir 1/3 1 1/2 2

Fasilitas 1/2 2 1 4

Penempatan 1/6 1/2 1/4 1

(41)

Tabel 4.2. Hasil Sintesis Matriks Inconsistency=0,00 dengan Total 4 Iterasi Matriks

Iterasi 2 (A) Iterasi 4 (B) A-B

0.490 0.490 0.000 0.152 0.152 0.000 0.283 0.283 0.000 0.076 0.076 0.000

∑ 0.000

Dari tabel di atas, dapat dilihat bahwa matriks dengan konsistensi yang benilai 0,00 memprioritaskan kriteria Gaji dengan bobot sebesar 0.490 atau 49.0 %, kemudian fasilitas dengan bobot 0.283 atau 28.3 %, jenjang karir menjadi prioritas ketiga dengan bobot 0.153 atau 15.2%, dan kriteria penempatan menjadi prioritas terakhir dengan bobot 0.076 atau 7.6%. Perhitungan prioritas kriteria dengan menggunakan program dapat dilihat pada gambar 4.1.

Gambar 4.1. Grafik Hasil Perhitungan Matriks dengan Inconsistency yang bernilai 0,00

4.1.2. Perhitungan Manual Matriks dengan Nilai Konsistensi 0,01

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

(42)

Gaji Jenjang Karir Fasilitas Penempatan

Gaji 1 3 2 5

Fasilitas 1/2 2 1 3

Penempatan 1/5 1/2 1/3 1

Hasil perhitungan manual untuk matriks dengan nilai inconsistency=0,01 menunjukkan hasil perhitungan dengan 4 jumlah iterasi matriks. Prioritas untuk tiap kriteria didapat dari perhitungan selisih antara iterasi A dan iterasi B. Hasil perhitungan iterasi dapat dilihat pada tabel dibawah ini:

0.483 0.483 0.000

0.157 0.157 0.000

0.272 0.272 0.000

0.088 0.088 0.000

∑ 0.000

(43)

Gaji 1 5 2 5

Fasilitas 1/2 2 1 3

Penempatan 1/5 1/2 1/3 1

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

(44)

Tabel 4.6. Hasil Sintesis Matriks Inconsistency=0,02 dengan Total 4 Iterasi Matriks memprioritaskan kriteria Gaji dengan bobot sebesar 0.526 atau 52.6 %, kemudian fasilitas dengan bobot 0.257 atau 25.7 %, jenjang karir menjadi prioritas ketiga dengan bobot 0.132 atau 13.2%, dan kriteria penempatan menjadi prioritas terakhir dengan bobot 0.085 atau 8.5%. Perhitungan prioritas kriteria dengan menggunakan program dapat dilihat pada gambar dibawah ini:

0

(45)

Gaji 1 5 3 5

Jenjang Karir 1/5 1 1 2

Fasilitas 1/3 1 1 3

Penempatan 1/5 1/2 1/3 1

0.571 0.571 0.000 0.153 0.153 0.000 0.192 0.192 0.000 0.083 0.083 0.000

∑ 0.000

(46)

Gaji Jenjang Karir Fasilitas Penempatan

Gaji 1 5 3 6

Fasilitas 1/3 2 1 3

Penempatan 1/6 1/3 1/3 1

(47)

Dari tabel di atas, dapat dilihat bahwa matriks dengan konsistensi yang benilai 0,04 memprioritaskan kriteria Gaji dengan bobot sebesar 0.572 atau 57.2 %, kemudian fasilitas dengan bobot 0.219 atau 21.9 %, jenjang karir menjadi prioritas ketiga dengan bobot 0.140 atau 14%, dan kriteria penempatan menjadi prioritas terakhir dengan bobot 0.069 atau 6.9%. Perhitungan prioritas kriteria dengan menggunakan program dapat dilihat pada gambar dibawah ini:

Gaji 1 5 3 7

(48)

Tabel 4.12. Hasil Sintesis Matriks Inconsistency=0,05 dengan Total 4 Iterasi Matriks Iterasi 2 memprioritaskan kriteria Gaji dengan bobot sebesar 0.571 atau 57.1%, kemudian fasilitas dengan bobot 0.240 atau 24%, jenjang karir menjadi prioritas ketiga dengan bobot 0.124 atau 12.4%, dan kriteria penempatan menjadi prioritas terakhir dengan bobot 0.065 atau 6.5%. Perhitungan prioritas kriteria dengan menggunakan program dapat dilihat pada gambar dibawah ini:

Gambar 4.6. Grafik Hasil Perhitungan Matriks dengan Inconsistency yang bernilai 0,05 0

(49)

Gaji 1 7 4 8

Fasilitas 1/4 3 1 3

Penempatan 1/8 1/3 1/3 1

Iterasi 2 (A) Iterasi 4

(B) A-B

0.634 0.634 0.000 0.105 0.105 0.000 0.204 0.204 0.000 0.058 0.058 0.000

∑ 0.000

(50)

Gaji 1 7 4 8

Fasilitas 1/4 4 1 2

Penempatan 1/8 1/2 1/2 1

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

(51)

Tabel 4.16. Hasil Sintesis Matriks Inconsistency=0,07 dengan Total 4 Iterasi Matriks memprioritaskan kriteria Gaji dengan bobot sebesar 0.633 atau 63.3%, kemudian fasilitas dengan bobot 0.206 atau 20.6%, jenjang karir menjadi prioritas ketiga dengan bobot 0.089 atau 8.9%, dan kriteria penempatan menjadi prioritas terakhir dengan bobot 0.071 atau 7.1%. Perhitungan prioritas kriteria dengan menggunakan program dapat dilihat pada gambar dibawah ini:

0

(52)

Gaji 1 5 4 8

Fasilitas 1/4 4 1 2

Penempatan 1/8 1/2 1/2 1

0.609 0.609 0.000 0.100 0.100 0.000 0.217 0.218 0.000 0.073 0.073 0.000

∑ 0.000

(53)

Gaji 1 5 2 8

Fasilitas 1/2 5 1 2

Penempatan 1/8 1/2 1/2 1

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

(54)

Gambar 4.10. Grafik Hasil Perhitungan Matriks dengan Inconsistency yang bernilai 0,09

0

(55)

Gaji 1 8 4 9

Fasilitas 1/4 5 1 2

Penempatan 1/9 1/2 1/2 1

0.642 0.642 0.000 0.079 0.079 0.000 0.212 0.212 0.000 0.067 0.067 0.000

∑ 0.000

(56)

Gaji 1 8 4 8

Fasilitas 1/4 5 1 2

Penempatan 1/8 1/2 1/2 1

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

(57)

0

(58)

Gaji 1 8 4 8

Fasilitas 1/4 5 1 2

Penempatan 1/8 1/2 1/2 1

0.625 0.625 0.000

0.085 0.084 0.000

0.220 0.220 0.000

0.071 0.071 0.000

∑ 0.000

(59)

Gaji 1 5 5 8

Fasilitas 1/5 5 1 5

Penempatan 1/8 1 1/5 1

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

(60)

0

(61)

Gaji 1 5 6 8

Fasilitas 1/6 5 1 3

Penempatan 1/8 1 1/3 1

0.653 0.653 0.000 0.073 0.073 0.000 0.206 0.206 0.000 0.068 0.068 0.000

∑ 0.000

(62)

Gaji 1 4 6 6

Fasilitas 1/6 3 1 6

Penempatan 1/6 1 1/6 1

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

(63)

Tabel 4.32. Hasil Sintesis Matriks Inconsistency=0,15 dengan Total 6 Iterasi Matriks memprioritaskan kriteria Gaji dengan bobot sebesar 0.620 atau 62%, kemudian fasilitas dengan bobot 0.226 atau 22.6%, jenjang karir menjadi prioritas ketiga dengan bobot 0.087 atau 8.7%, dan kriteria penempatan menjadi prioritas terakhir dengan bobot 0.067 atau 6.7%. Perhitungan prioritas kriteria dengan menggunakan program dapat dilihat pada gambar dibawah ini:

0