ANALISIS METODE PROFILE MATCHING DAN METODE SIMPLE ADDITIVE WEIGHTING DALAM PENGAMBILAN KEPUTUSAN
PEMILIHAN RT BERSIH DI KABUPATEN MALINAU
Lumadi1), Prihandoko2)
1), 2)
Sistem Informasi, Teknik Informatika, Universitas AMIKOM Yogyakarta Email : [email protected]1), [email protected]2)
Abstrak
Dua buah metode logika, Profile Matching dan dan Simple Additive Weigthing, diperbandingkan di dalam penelitian ini dengan tujuan untuk mengetahui nilai- nilai keluaran dari metode mana yang tepat dipakai di dalam sistem pendukung keputusan untuk menyelesaikan permasalahan pemilihan RT bersih di Kabupaten Malinau. Terdapat bidang aspek yang terdiri dari beberapa faktor diberi penilaian dan kemudian diolah melalui algoritma dua buah metode itu secara terpisah dengan hasil keluaran berupa urutan perankingan nilai dari tiap-tiap alternatif untuk mengetahui RT-RT mana saja yang masuk dalam kategori RT Bersih. Metode Profile Matching bekerja dengan cara mencari selisih dari hasil penilaian dengan suatu nilai target sebagai vatiabel pengurang, kemudian hasil selisih itu diberi bobot selisih, lalu nilai bobot selisih dikelompokkan ke dalam grup core factor dan secondary factor, dan kemudian dikalikan dengan bobot dari aspek dari grup core factor dan bobot dari aspek grup secondary factor untuk mendapatkan nilai akhir tiap-tiap alternatif.
Metode Simple Additive Weighting bekerja dengan cara hasil penilaian diolah menjadi nilai variabel r untuk tiap-tiap alternatif. Nilai r diperoleh dari hasil penilaian alternatif itu dibandingkan dengan nilai maksimal penilaian tiap-tiap faktor, yang kemudian menghasilkan Matriks R. Nilai akhir tiap-tiap alternatif diperoleh dari jumlahan dari perkalian antara nilai-nilai di setiap faktor pada Matriks R dan dikalikan dengan bobot dari faktor itu. Metode mana yang terbaik dalam permasalahan ini ditinjau dari hasil perankingan nilai akhir para alternatif dalam menduduki urutan posisi di tiap-tiap metode dan dipertimbangkan dengan riwayat penilaian para alternatif itu.
Kata kunci: perbandingan, metode, sistem, pendukung, keputusan, pemilihan, algoritma, penilaian.
1. Pendahuluan
Pemerataan pembangunan merupakan target utama program perintah pusat maupun daerah. Untuk mencapai kearah tersebut dibentuklah undang-undang pemerintahan desa No 6 Tahun 2014 dengan adanya undang-undang ini maka pemerintahan desa mendapatkan kucuran dana sebesar 10% dari APBN dan
diberi wewenang dalam menentukan prioritas pembangunan di desanya.
Pemerintah Daerah Kabupaten Malinau melalui program GERDEMA telah memberikan kesempatan kepada masyarakat desa untuk berpartisipasi secara aktif dalam pembanggunan melalui Musrembangdes. Agar pembangunan lebih menyetuh lagi kepada masyarakat secara langsung, Pemerintaah Daerah Kabupaten Malinau membuat program unggulan salah satunya adalah program RT BERSIH.
Pemerintah Daerah Kabupaten Malinau memberikan alokasi dana yang cukup besar dalam program RT BERSIH ini sehingga diperlukan sebuah evaluasi apakah program ini benar-benar dirasakan dan bermanfaat bagi masyarakat. Oleh karena itu dilakukan penilaian masing- masing RT dengan cara memilih apakah sebuah RT termasuk dalam kategori RT BERSIH atau tidak.
Pemilihan kategori yang melaksanakan program RT BERSIH berdasarkan indikator atau penilaian yang telah ditentukan oleh Lembaga Partisipasi Pembangunan dan Pemberdayaan Masyarakat Desa (LP3MD) Kabupaten Malinau. Untuk melakukan pemilihan dibutuhkan sebuah sistem pendukung keputusan sehingga dapat membantu pemerintah daerah Kabupaten Malinau dalam pemilihan RT BERSIH. Dalam penelitian ini, metode yang penulis gunakan adalah Profile Matching dan Simple Additive Weighting apakah mempunyai jumlah data kategori RT BERSIH yang sama dengan metode yang berbeda dibandingkan dengan data yang dimiliki oleh LP3MD Kabupaten Malinau
Berdasarkan latar belakang yang telah diuraikan, maka dalam melakukan penelitian ini penulis merumuskan masalah yaitu “Bagaimana membandingkan hasil perhitungan berupa tingkat rangking Sistem Pendukung Keputusan dengan menggunakan metode Profile Matching dan SAW dalam pemilihan RT BERSIH sehingga dapat diperoleh kategori sebuah RT termasuk dalam RT BERSIH dan tidak?”
Beberapa teori formal yang mendasari penelitian ini adalah:
a. Sistem
Ditinjau dari dua macam penekanan, istilah sistem dapat didefinisikan dengan lebih dari sebuah pengertian, yaitu yang menekankan kepada pengertian prosedur
mendefinisikan sistem sebagai suatu jaringan kerja yang saling berhubungan, berkumpul bersama-sama untuk melakukan suatu kegiatan atau untuk menyelesaikan suatu sasaran yang tertentu [1], dan yang menekankan kepada komponen mendefinisikan sistem sebagai suatu seri dari subsistem-subsistem yang saling berhubungan, bekerja sama di dalam suatu kerangka kerja dan tahapan yang terpadu untuk menyelesaikan dan mencapai sasaran yang telah ditetapkan sebelumnya [1]. Komponen sistem adalah berupa subsistem-subsistem [1].
b. Sistem Pendukung Keputusan
Sistem Pendukung Keputusan (Decision Support System atau disingkat DSS) adalah bagian dari sistem informasi berbasis komputer termasuk sistem berbasis pengetahuan (manajemen pengetahuan) yang dipakai untuk mendukung pengambilan keputusan dalam suatu organisasi atau perusahaan [2]. Selanjutnya menurut Turban, Sistem Pendukung Keputusan adalah sebuah sistem yang dimaksudkan untuk mendukung para pengambil keputusan manajerial dalam situasi keputusan semi terstruktur [3]. Sistem Pendukung Keputusan digunakan untuk membantu para pengambil keputusan untuk menggunakan data dan berbagai model untuk memecahkan masalah tidak terstruktur berbasis komputer [4].
c. Profile Matching
Pencocokan profil (Profile Matching) adalah sebuah mekanisme pengambilan keputusan dengan mengasumsikan bahwa terdapat tingkat variabel prediktor yang harus dimiliki oleh pelamar/karyawan, bukanya tingkat minimal yang harus dipenuhi atau dilewati [5].
Tahapan dalam Sistem penudukung keputusan dengan metode Profile Matching sebagai berikut:
1) Aspek penilaian
Sistem Pendukung tersebut dirancang sedemikian rupa sehingga pengguna dapat menentukan aspek penilaian. Aspek penilaian ini yang nantinya digunakan dalam pengambilan keputusan [5].
2) Pemetaan gap kompetensi
Pemetaan Gap kompetensi adalah perbedaan nilai antara profil yang ditetapkan dengan profil yang dinilai dari masing-masing obyek. Rumus untuk pemetaan Gap ditulis di Persamaan (1).
...(1) Dalam menentukan peringkat untuk setiap alternatif, diberikan bobot nilai sesuai dengan Tabel 1.
Tabel 1. Bobot Nilai Gap [5]
Selisih Gap
Bobot Nilai
Keterangan 0 6,0 Kriteria sesuai dengan yang
dibutuhkan
1 5,5 Kriteria kelebihan 1 tingkat/level -1 5,0 Kriteria kurang 1 tingkat/level
2 4,5 Kriteria kelebihan 2 tingkat/level
-2 4,0 Kriteria kurang 2 tingkat/level 3 3,5 Kriteria kelebihan 3 tingkat/level -3 3,0 Kriteria kurang 3 tingkat/level
4 2,5 Kriteria kelebihan 4 tingkat/level -4 2,0 Kriteria kurang 4 tingkat/level
5 1,5 Kriteria kelebihan 5 tingkat/level -5 1,0 Kriteria kurang 5 tingkat/level 3) Pembobotan
Setelah diperoleh gap kompetensi selanjutnya adalah di lakukan pembobotan terhadap gap tersebut, pembobotan ini terdiri atas 2 bagian yakni:
a) Core factor, merupakan faktor utama dalam pemberian bobot, yang dihitung dengan menggunakan rumus di Persamaan (2).
...(2) Keterangan: NCF = Nilai rata-rata core factor, ΣNC(aspek) = Jumlah nilai total core factor, ΣIC
= Jumlah item core factor [5].
b) Secondary Factor, merupakan faktor kedua dalam pemberian bobot nilai, yang dihitung dengan menggunakan rumus di Persamaan (3).
...(3) Keterangan: NSF = Nilai rata-rata secondary factor, ΣNS(aspek) = jumlah total nilai secondary factor, ΣIS = Jumlah item secondary factor [5].
4) Perhitungan Nilai Total
Setelah dilakukan pembobotan nilai melalui core factor dan secondary factor kemudian dilakukan perhitungan nilai total berdasarkan prosentase dari core factor dan secondary factor yang diperkirakan berpengaruh terhadap kinerja tiap-tiap profil. Nilai total dapat dihitung dengan menggunakan rumus di Persamaan (4).
....(4) Keterangan: NCF(y) = nilai rata-rata core factor, NSF(y) = nilai rata-rata secondary factor, N(y) = Nilai total dari aspek penilaian, (x)% = Nilai persen yang diinputkan [5].
5) Penentuan Rangking
Setelah perhitungan nilai total kemudian di lakukan penentuan rangking kandidat, semakin besar nilai kandidat maka semakin baik pula nilai kandidat tersebut. Penentuan rangking kandidat dapat dihitung dengan rumus di Persamaan 5.
....(5) Keterangan: Ny1, Ny2, Ny3 = nilai aspek dan (x)%
= persen yang diinputkan [5].
d. Simple Additive Weighting
Prosedur atau langkah-langkah untuk menerapkan metode SAW meliputi [6]:
1) Menentukan kriteria (C) yang akan dijadikan acuan dalam pengambilan keputusan.
2) Memberikan nilai bobot (W) dari masing-masing kriteria yang telah ditentukan.
3) Memberikan nilai rating kecocokan pada masing- masing alternatif dari semua kriteria.
4) Menghitung matriks keputusan berdasarkan kriteria (C), selanjutnya dilakukan perhitungan normalisasi matriks berdasarkan persamaan yang disesuaikan dengan jenis atribut (cost atau benefit), sehingga didapatkan hasil nilai kinerja ternormalisasi matriks (rij). Nilai r dapat dihitung dengan menggunakan rumus di Persamaan (6) ataupun Persamaan (7)
; Jika j atribut benefit ...(6)
; Jika j atribut cost ...(7) 5) Hasil akhir didapatkan dari proses penjumlahan dar perkalian matriks ternormalisasi (R) dengan vektor bobot yang kemudian dilakukan perangkingan, sehingga didapatkan nilai alternatif tertinggi sebagai solusi terbaik. Nilai hasil akhir dapat dihitung dengan menggunakan rumus di Persamaan (8).
...(8) Keterangan: Vi = rangking untuk setiap alternatif, Wj
= nilai bobot dari setiap kriteria, rij = nilai rating kinerja ternormalisasi.
2. Metode Penelitian
Jenis penelitian yang dilakukan adalah penelitian terapan yang bertujuan untuk meningkatkan pengetahuan ilmiah dengan suatu tujuan praktis sehingga hasilnya diharapkan segera dapat dipakai untuk keperluan praktis.
Sifat penelitian yang digunakan adalah penelitian Tindakan yang bertujuan untuk mengembangkan keterampilan baru atau pendekatan baru dan diterapkan langsung serta dikaji hasilnya.
Pendekatan penelitian ini adalah bersifat kualitatif karena penelitiannya dilakukan pada obyek yang alamiah yaitu obyek yang berkembang apa adanya, tidak dimanipulasi oleh peneliti dan kehadiran peneliti tidak mempengaruhi dinamika tersebut. Dalam penelitian ini memahami cara kerja tiap metode sistem pendukung keputusan yang akan dibandingkan, hasil keluaran berupa perangkingan pemilihan RT BERSIH.
Penelitian ini memerlukan data lengkap yang berkaitan dengan masalah yang akan dibahas, sehingga dapat mengambarkan secara jelas tentang obyek yang di selidiki. Peneliti menggunakan metode pengumpulan data untuk memperoleh data yang diperlukan dalam penelitian ini adalah sebagai berikut:
a. Wawancara (Interview), yaitu dengan cara bertanya jawab langsung kepada pihak yang bersangkutan mengenai informasi yang di perlukan. Adapun sumber yang di wawancarai adalah LP3MD informasi yang di dapat dari responden mengenai penilaian pemilihan RT BERSIH. Dari LP3MD peneliti mendapatkan data kriteria/aspek dan faktor yang diterapkan pada penilaian pemilihan RT BERSIH seperti yang ditulis pada Tabel 2.
Tabel 2. Kriteria dan Bobot yang Ditetapkan Bidang Aspek Aspek
(%)
Faktor Kategori
Administrasi 10 Pelayanan Masyarakat Utama
Pembangunan Pendukung
Pemerintahan Utama
Perlengkapan 15 Fasilitas Pendukung Pemerintahan Utama
Fasilitas Umum Utama
Fasilitas Sosial Pendukung
Lingkungan 10 Sosial Budaya Pendukung
Ekonomi Pendukung
Fisik Utama
Pemerintahan Utama
Keamanan dan ketertiban
15 Kesadaran Hukum Masyarakat Pendukung Partisipasi Pengamanan Lingkungan Utama Konsep Penegakan Hukum Pendukung Kesehatan 15 Pola Gizi Masyarakat Utama
Pola Rumah Sehat Utama
Pola Sanitasi Lingkungan dan Tata Kelola Limbah dan Sampah
Utama Tata Kelola Ekonomi Pendukung Pola Pelayanan Kesehatan Dasar Pendukung Partisipasi 10 Pola Gotong Royong Utama
Pola Swadaya Masyarakat Utama
Kerjasama Antar RT Utama
Infrastruktur 25 Jalan Utama
Jembatan Utama
Perumahan Rakyat Pendukung
Angkutan Rakyat Pendukung
Kesehatan Pendukung
Pendidikan Pendukung
Keagamaan Pendukung
Keolahragaan Pendukung
b. Studi Kepustakaan, yaitu dengan cara mempelajari data-data yang di LP3MD maupun tempat lain yang berhubungan dengan permasalahan yang ditulis di dalam penyusunan laporan.
Jenis data yang digunakan dalam penelitian ini adalah: 1) Data Primer, yaitu data yang diperoleh secara langsung dari sumber data (responden) untuk tujuan penelitian dalam hal ini adalah LP3MD. Data ini berupa informasi mengenai bagaimana prosedur penilaian pemilihan RT BERSIH, dan 2) Data Sekunder, yaitu data yang di peroleh secara tidak langsung, baik dari membaca buku-buku maupun dari literatur-literatur yang berkaitan dengan permasalahan yang di bahas di dalam pembuatan laporan penelitian. Data sekunder ini dapat berupa data indikator program RT BERSIH yang merupakan unsur dan fungsi pemerintahan desa.
3. Pembahasan
Diketahui data penilaian untuk para peserta seperti tertulis pada Tabel 3.
Tabel 3. Data Penilaian Program RT BERSIH
Faktor Alternatif
RT1 RT2 RT3 RT4 RT5 RT6 RT7 RT8 RT9 RT10
Ad1 5 4 5 4 4 4 4 4 4 4
Ad2 3 3 4 4 3 5 3 4 4 4
Ad3 3 4 4 5 4 5 4 4 5 5
Pr1 4 5 4 5 5 3 5 4 5 5
Pr2 4 4 3 5 4 3 4 5 5 5
Pr3 5 3 4 5 4 4 4 3 5 4
Li1 3 4 5 5 3 3 3 3 5 3
Li2 3 5 4 4 4 4 4 4 4 4
Li3 4 3 3 4 5 5 5 3 4 5
Li4 4 4 4 4 4 4 4 4 4 4
Kk1 3 4 5 4 4 5 4 3 4 4
Kk2 4 4 5 3 5 4 5 4 3 4
Kk3 3 4 5 4 4 4 4 5 4 4
Ks1 4 4 4 3 5 4 5 3 3 4
Ks2 4 4 3 4 4 3 4 4 4 3
Ks3 4 3 5 5 5 4 5 4 5 4
Ks4 4 4 4 5 4 5 4 5 5 4
Ks5 4 5 4 4 4 4 4 4 4 4
Pt1 3 4 5 5 4 4 4 3 5 4
Pt2 3 4 4 4 5 4 5 4 4 4
Pt3 3 4 5 5 5 4 5 5 5 5
In1 4 3 4 4 5 3 5 4 4 5
In2 3 3 4 4 4 4 4 4 4 5
In3 4 4 4 4 4 3 4 4 4 4
In4 4 4 4 3 4 3 4 5 3 3
In5 5 3 4 5 4 5 4 5 5 5
In6 5 4 4 5 4 3 4 4 5 5
In7 3 3 4 3 3 3 3 5 3 5
In8 3 3 5 4 5 4 5 4 4 4
a. Pencarian Solusi dengan Metode Profile Matching Metode ini memiliki langkah-langkah penyelesaian sebagai berikut:
1) Mencari selisih (gap) untuk masing-masing faktor dari bidang aspek
Tiap-tiap faktor yang dinilai memiliki nilai target sebagai variabel pengurang terhadap data penilaian (Tabel 4). Hasil dari langkah (1) ini ditulis pada Tabel 4.
Tabel 4. Hasil Selisih untuk Masing-masing Faktor
Faktor Target Alternatif
RT1 RT2 RT3 RT4 RT5 RT6 RT7 RT8 RT9 RT10
Ad1 4 1 0 1 0 0 0 0 0 0 0
Ad2 4 -1 -1 0 0 -1 1 -1 0 0 0
Ad3 3 0 1 1 2 1 2 1 1 2 2
Pr1 3 1 2 1 2 2 0 2 1 2 2
Pr2 5 -1 -1 -2 0 -1 -2 -1 0 0 0
Pr3 3 2 0 1 2 1 1 1 0 2 1
Li1 4 -1 0 1 1 -1 -1 -1 -1 1 -1
Li2 4 -1 1 0 0 0 0 0 0 0 0
Li3 3 1 0 0 1 2 2 2 0 1 2
Li4 4 0 0 0 0 0 0 0 0 0 0
Kk1 3 0 1 2 1 1 2 1 0 1 1
Kk2 4 0 0 1 -1 1 0 1 0 -1 0
Kk3 5 -2 -1 0 -1 -1 -1 -1 0 -1 -1
Ks1 3 1 1 1 0 2 1 2 0 0 1
Ks2 4 0 0 -1 0 0 -1 0 0 0 -1
Ks3 3 1 0 2 2 2 1 2 1 2 1
Ks4 4 0 0 0 1 0 1 0 1 1 0
Ks5 4 0 1 0 0 0 0 0 0 0 0
Pt1 4 -1 0 1 1 0 0 0 -1 1 0
Pt2 3 0 1 1 1 2 1 2 1 1 1
Pt3 3 0 1 2 2 2 1 2 2 2 2
In1 3 1 0 1 1 2 0 2 1 1 2
In2 4 -1 -1 0 0 0 0 0 0 0 1
In3 3 1 1 1 1 1 0 1 1 1 1
In4 3 1 1 1 0 1 0 1 2 0 0
In5 4 1 -1 0 1 0 1 0 1 1 1
In6 4 1 0 0 1 0 -1 0 0 1 1
In7 3 0 0 1 0 0 0 0 2 0 2
In8 4 -1 -1 1 0 1 0 1 0 0 0 2) Memberi bobot atas selisih (gap) untuk masing-
masing faktor dari bidang aspek
Langkah ini adalah memberi bobot untuk setiap hasil selisih (Tabel 4) dengan Bobot Nilai Gap yang tertulis di Tabel 1. Hasil dari langkah ini tertulis di Tabel 5.
Tabel 5. Bobot Selisih untuk Masing-masing Faktor
Faktor Alternatif
RT1 RT2 RT3 RT4 RT5 RT6 RT7 RT8 RT9 RT10
Ad1 5.5 6 5.5 6 6 6 6 6 6 6
Ad2 5 5 6 6 5 5.5 5 6 6 6
Ad3 6 5.5 5.5 4.5 5.5 4.5 5.5 5.5 4.5 4.5 Pr1 5.5 4.5 5.5 4.5 4.5 6 4.5 5.5 4.5 4.5
Pr2 5 5 4 6 5 4 5 6 6 6
Pr3 4.5 6 5.5 4.5 5.5 5.5 5.5 6 4.5 5.5
Li1 5 6 5.5 5.5 5 5 5 5 5.5 5
Li2 5 5.5 6 6 6 6 6 6 6 6
Li3 5.5 6 6 5.5 4.5 4.5 4.5 6 5.5 4.5
Li4 6 6 6 6 6 6 6 6 6 6
Kk1 6 5.5 4.5 5.5 5.5 4.5 5.5 6 5.5 5.5
Kk2 6 6 5.5 5 5.5 6 5.5 6 5 6
Kk3 4 5 6 5 5 5 5 6 5 5
Ks1 5.5 5.5 5.5 6 4.5 5.5 4.5 6 6 5.5
Ks2 6 6 5 6 6 5 6 6 6 5
Ks3 5.5 6 4.5 4.5 4.5 5.5 4.5 5.5 4.5 5.5
Ks4 6 6 6 5.5 6 5.5 6 5.5 5.5 6
Ks5 6 5.5 6 6 6 6 6 6 6 6
Pt1 5 6 5.5 5.5 6 6 6 5 5.5 6
Pt2 6 5.5 5.5 5.5 4.5 5.5 4.5 5.5 5.5 5.5 Pt3 6 5.5 4.5 4.5 4.5 5.5 4.5 4.5 4.5 4.5 In1 5.5 6 5.5 5.5 4.5 6 4.5 5.5 5.5 4.5
In2 5 5 6 6 6 6 6 6 6 5.5
In3 5.5 5.5 5.5 5.5 5.5 6 5.5 5.5 5.5 5.5 In4 5.5 5.5 5.5 6 5.5 6 5.5 6 6 6 In5 5.5 5 6 5.5 6 5.5 6 5.5 5.5 5.5
In6 5.5 6 6 5.5 6 6 6 6 5.5 5.5
In7 6 6 6 6 6 6 6 6 6 6
In8 5 5 5.5 6 5.5 6 5.5 6 6 6
3) Mencari Nilai Core Factor dan Nilai Secondary Factor untuk Masing-masing Alternatif
Berdasarkan data Kategori di Tabel 2, data Faktor dikelompokkan ke dalam grup Utama sebagai Core Factor (CF) dan grup Pendukung sebagai Secondary Factor (SF), karena itu terdapat 14 faktor yang masuk grup CF dan 15 faktor yang masuk grup SF.
Data bobot selisih untuk masing-masing faktor yang tertulis di tabel 5 dapat dikelompokkan ke dalam grup CF dan grup SF. Nilai CF masing-masing alternatif
diperoleh dengan menjumlahkan faktor-faktor grup CF dan dibagi dengan nilai 14, demikian pula dengan nilai SF masing-masing alternatif diperoleh dengan menjumlahkan faktor-faktor grup SF dan dibagi dengan nilai 15. Hasil perhitungan nilai CF dan nilai SF untuk masing-masing alternatif ditulis di Tabel 6.
Tabel 6. Nilai CF dan SF untuk Masing-masing Alternatif
Alternatif ∑CF CF ∑SF SF
RT1 78 5.571429 80.5 5.366666667 RT2 79 14.17949 83 15.46583851 RT3 75.5 5.324593 84 5.431325301 RT4 76.5 14.36729 83 15.28172138 RT5 73 5.080984 83 5.431325301 RT6 76.5 15.05614 83 15.28172138 RT7 73 4.848521 83 5.431325301 RT8 80.5 16.603 83 15.28172138 RT9 76.5 4.607601 83 5.431325301 RT10 75 16.27745 82.5 15.18966282 4) Menghitung Nilai P Tiap-tiap Alternatif
Nilai P diperoleh dari nilai CF (Tabel 6) dikalikan dengan Persentase Bobot dari faktor-faktor di grup Utama (Tabel 2), dan ditambah dengan nilai SF (Tabel 6) dikalikan dengan Persentase Bobot dari faktor-faktor di grup Pendukung (Tabel 2).
Persentase Bobot dari faktor-faktor di grup Utama memperoleh nilai 48.583333, dan Persentase Bobot dari faktor-faktor di grup Pendukung memperoleh nilai 51.416667. Data nilai P untuk tiap-tiap alternatif ditunjukkan melalui Tabel 7.
Tabel 7. Nilai P tiap-tiap Alternatif Alternatif P
RT1 5.466146825 RT2 14.84088615 RT3 5.379471254 RT4 14.87346254 RT5 5.261117961 RT6 15.17212539 RT7 5.148179525 RT8 15.92364323 RT9 5.031132414 RT10 15.71814721 5) Keputusan Pemilihan RT Bersih
Dengan data dari Tabel 7 dapat dibuat perankingan nilai P secara descending untuk tiap-tiap alternatif.
Perankingan nilai P ini mencerminkan solusi dari metode Profile Matching mengenai keputusan RT Bersih diberikan kepada para alternatif itu. Urutan perankingan nilai P ditulis pada Tabel 8 di bawah ini.
Tabel 8. Perankingan Nilai P Alternatif P
RT8 15.92364323 RT10 15.71814721 RT6 15.17212539 RT4 14.87346254
RT2 14.84088615 RT1 5.466146825 RT3 5.379471254 RT5 5.261117961 RT7 5.148179525 RT9 5.031132414
Jadi, solusi dengan metode Profile Matching untuk pemilihan RT Bersih, urutan predikat diberikan ke RT8, RT10, RT6, RT4, RT2, RT1, RT3, RT5, RT7, dan terakhir adalah RT9.
b. Pencarian Solusi dengan Metode Simple Aditive Weighting
Metode ini memiliki langkah-langkah penyelesaian sebagai berikut:
1) Mencari nilai normalisasi tiap-tiap alternatif untuk masing-masing faktor dari bidang aspek.
Nilai normalisasi untuk tiap-tiap faktor diperoleh dari data Penilaian untuk faktor itu (Tabel 3) dibagi dengan nilai maksimal hasil Penilaian tiap-tiap alternatif untuk faktor itu. Hasil perhitungan dari nilai normalisasi ini ditunjukkan di Tabel 9.
Tabel 9. Nilai Normalisasi
Faktor Alternatif
RT1 RT2 RT3 RT4 RT5 RT6 RT7 RT8 RT9 RT10
Ad1 1 0.8 1 0.8 0.8 0.8 0.8 0.8 0.8 0.8
Ad2 0.6 0.6 0.8 0.8 0.6 1 0.6 0.8 0.8 0.8
Ad3 0.6 0.8 0.8 1 0.8 1 0.8 0.8 1 1
Pr1 0.8 1 0.8 1 1 0.6 1 0.8 1 1
Pr2 0.8 0.8 0.6 1 0.8 0.6 0.8 1 1 1
Pr3 1 0.6 0.8 1 0.8 0.8 0.8 0.6 1 0.8
Li1 0.6 0.8 1 1 0.6 0.6 0.6 0.6 1 0.6
Li2 0.6 1 0.8 0.8 0.8 0.8 0.8 0.8 0.8 0.8
Li3 0.8 0.6 0.6 0.8 1 1 1 0.6 0.8 1
Li4 0.8 0.8 0.8 0.8 0.8 0.8 0.8 0.8 0.8 0.8
Kk1 0.6 0.8 1 0.8 0.8 1 0.8 0.6 0.8 0.8
Kk2 0.8 0.8 1 0.6 1 0.8 1 0.8 0.6 0.8
Kk3 0.6 0.8 1 0.8 0.8 0.8 0.8 1 0.8 0.8
Ks1 0.8 0.8 0.8 0.6 1 0.8 1 0.6 0.6 0.8
Ks2 1 1 0.75 1 1 0.75 1 1 1 0.75
Ks3 0.8 0.6 1 1 1 0.8 1 0.8 1 0.8
Ks4 0.8 0.8 0.8 1 0.8 1 0.8 1 1 0.8
Ks5 0.8 1 0.8 0.8 0.8 0.8 0.8 0.8 0.8 0.8
Pt1 0.6 0.8 1 1 0.8 0.8 0.8 0.6 1 0.8
Pt2 0.6 0.8 0.8 0.8 1 0.8 1 0.8 0.8 0.8
Pt3 0.6 0.8 1 1 1 0.8 1 1 1 1
In1 0.8 0.6 0.8 0.8 1 0.6 1 0.8 0.8 1
In2 0.6 0.6 0.8 0.8 0.8 0.8 0.8 0.8 0.8 1
In3 1 1 1 1 1 0.75 1 1 1 1
In4 0.8 0.8 0.8 0.6 0.8 0.6 0.8 1 0.6 0.6
In5 1 0.6 0.8 1 0.8 1 0.8 1 1 1
In6 1 0.8 0.8 1 0.8 0.6 0.8 0.8 1 1
In7 0.6 0.6 0.8 0.6 0.6 0.6 0.6 1 0.6 1
In8 0.6 0.6 1 0.8 1 0.8 1 0.8 0.8 0.8
2) Mengalikan hasil normalisasi dengan persentase aspek.
Hasil perkalian dari nilai normalisasi dengan persentase aspek ditunjukkan pada Tabel 10.
Tabel 10. Hasil Perkalian Normalisasi dengan Persentase Aspek tiap-tiap Faktor Faktor
Alternatif
RT1 RT2 RT3 RT4 RT5 RT6 RT7 RT8 RT9 RT10 Ad1 3.33 2.67 3.33 2.67 2.67 2.67 2.67 2.67 2.67 2.67 Ad2 2 2 2.67 2.67 2 3.33 2 2.67 2.67 2.67 Ad3 2 2.67 2.67 3.33 2.67 3.33 2.67 2.67 3.33 3.33
Pr1 4 5 4 5 5 3 5 4 5 5
Pr2 4 4 3 5 4 3 4 5 5 5
Pr3 5 3 4 5 4 4 4 3 5 4
Li1 1.5 2 2.5 2.5 1.5 1.5 1.5 1.5 2.5 1.5
Li2 1.5 2.5 2 2 2 2 2 2 2 2
Li3 2 1.5 1.5 2 2.5 2.5 2.5 1.5 2 2.5
Li4 2 2 2 2 2 2 2 2 2 2
Kk1 3 4 5 4 4 5 4 3 4 4
Kk2 4 4 5 3 5 4 5 4 3 4
Kk3 3 4 5 4 4 4 4 5 4 4
Ks1 2.4 2.4 2.4 1.8 3 2.4 3 1.8 1.8 2.4 Ks2 3 3 2.25 3 3 2.25 3 3 3 2.25 Ks3 2.4 1.8 3 3 3 2.4 3 2.4 3 2.4 Ks4 2.4 2.4 2.4 3 2.4 3 2.4 3 3 2.4 Ks5 2.4 3 2.4 2.4 2.4 2.4 2.4 2.4 2.4 2.4 Pt1 2 2.67 3.33 3.33 2.67 2.67 2.67 2 3.33 2.67 Pt2 2 2.67 2.67 2.67 3.33 2.67 3.33 2.67 2.67 2.67 Pt3 2 2.67 3.33 3.33 3.33 2.67 3.33 3.33 3.33 3.33 In1 2.5 1.88 2.5 2.5 3.13 1.88 3.13 2.5 2.5 3.13 In2 1.88 1.88 2.5 2.5 2.5 2.5 2.5 2.5 2.5 3.13 In3 3.13 3.13 3.13 3.13 3.13 2.34 3.13 3.13 3.13 3.13 In4 2.5 2.5 2.5 1.88 2.5 1.88 2.5 3.13 1.88 1.88 In5 3.13 1.88 2.5 3.13 2.5 3.13 2.5 3.13 3.13 3.13 In6 3.13 2.5 2.5 3.13 2.5 1.88 2.5 2.5 3.13 3.13 In7 1.5 1.5 2 1.5 1.5 1.5 1.5 2.5 1.5 2.5 In8 1.88 1.88 3.13 2.5 3.13 2.5 3.13 2.5 2.5 2.5 3) Menghitung nilai P untuk setiap alternatif.
Nilai P tiap-tiap alternatif diperoleh dari jumlahan dari nilai yang tertulis di Tabel 10. Data nilai P untuk tiap-tiap alternatif ditunjukkan melalui Tabel 11.
Tabel 11. Nilai P tiap-tiap Alternatif Alternatif P
RT1 75.55833333 RT2 77.05833333 RT3 85.2
RT4 85.95 RT5 85.34166667 RT6 78.37708333 RT7 85.34166667 RT8 81.475 RT9 85.95 RT10 85.68333333 4) Keputusan Pemilihan RT Bersih
Dengan data dari Tabel 11 dapat dibuat perankingan nilai P secara descending untuk tiap-tiap alternatif.
Perankingan nilai P ini mencerminkan solusi dari metode Simple Additive Weighting mengenai keputusan RT Bersih diberikan kepada para alternatif
itu. Urutan perankingan nilai P ditulis pada Tabel 12 di bawah ini.
Tabel 12. Perankingan Nilai P Alternatif P
RT4 85.95 RT9 85.95 RT10 85.68333333
RT5 85.34166667 RT7 85.34166667 RT3 85.2
RT8 81.475 RT6 78.37708333 RT2 77.05833333 RT1 75.55833333
Jadi, solusi dengan metode Simple Additive Weighting untuk pemilihan RT Bersih, urutan predikat diberikan ke RT4, RT9, RT10, RT5, RT7, RT3, RT8, RT6, RT2, dan terakhir adalah RT1.
Dua metode yang diperbandingkan dalam penelitian ini memiliki hasil keputusan yang dapat diperinci seperti yang tertulis di Tabel 13 di bawah ini.
Tabel 13. Rekap Keputusan dari Metode Profile Matching dan Metode Simple Additive Weighting Profile Matching Simple Additive Weighting Alternatif Nilai P Ranking Alternatif P % Ranking
RT8 15.92364323 1 RT4 85.9% 1
RT10 15.71814721 2 RT9 85.9% 1
RT6 15.17212539 3 RT10 85.7% 2
RT4 14.87346254 4 RT5 85.3% 3
RT2 14.84088615 5 RT7 85.3% 3
RT1 5.466146825 6 RT3 85.2% 4
RT3 5.379471254 7 RT8 81.4% 5
RT5 5.261117961 8 RT6 78.4% 6
RT7 5.148179525 9 RT2 77.1% 7
RT9 5.031132414 10 RT1 75.6% 8
Dari hasil keputusan pada Tabel 13 di atas terlihat ada perbedaan hasil mengenai urutan dari nama para alternatif, maupun nilai rankingnya. Perbedaan hasil ini disebabkan bahwa algoritma dari masing-masing metode memang berbeda. Untuk memilih metode mana yang terbaik dalam penyelesaian kasus ini tergantung dari nilai keluaran yang diharapkan, yaitu jika diinginkan nilai keluaran berupa suatu persentase, maka metode Simple Additive Weighting lebih tepat dipakai untuk penyelesaian permasalahan, namun jika diinginkan suatu nilai langsung (bukan nilai persentase), maka metode Profile Matching lebih tepat dipakai untuk menyelesaikan permasalahan pemilihan program RT Bersih ini.
4. Kesimpulan
Berdasarkan permasalahan yang dirumuskan pada Rumusan Masalah dan melihat hasil analisis yang telah dilakukan pada sub Pembahasan, maka peneliti dapat membuat kesimpulan bahwa jika diinginkan nilai keluaran berupa suatu persentase, maka metode Simple Additive Weighting lebih tepat dipakai untuk penyelesaian permasalahan, namun jika diinginkan suatu
nilai langsung (bukan nilai persentase), maka metode Profile Matching lebih tepat dipakai untuk menyelesaikan permasalahan pemilihan program RT Bersih ini.
DaftarPustaka
[1] H.M Jogianto, Analisis dan Desain Sistem Informasi: Pendekatan Terstruktur, Teori dan Praktek Aplikasi Bisnis, Edisi I, Yogyakarta: Andi Offset, 1993.
[2] Yulianti, Eva., Damayanti, Riska., “Sistem Pendukung Keputusan Untuk Menentukan Penerimaan Beasiswa Bagi Siswa SMA N 9 Padang Dengan Menggunakan Metode AHP (Analitycal Hierarchy Process)”, Jurnal TEKNOIF, Vol. 3, No. 2, pp. 21-28, ISSN: 2338-2724, Oktober 2015.
[3] Evicienna, “Penerapan Metode AHP Untuk Kelayakan Pemberian Beasiswa”, SNIPTEK 2016, ISBN: 978-602-72850-3- 3, pp. 7-12, 2016.
[4] Ridlan Ahmad, "Penggunaan Sistem Pendukung Keputusan dengan Menggunakan Metode Analytical Hirarchy Process (AHP) dalam Menyeleksi Kelayakan Penerima BeasiswaA", METIK Jurnal Volume 2 No. 1 Tahun 2018, p. 29, ISSN : 2580- 1503.
[5] Kusrini, Konsep dan Aplikasi Sistem Pendukung Keputusan, Yogyakarta: Andi Offset, 2007.
[6] Firdausa, Aji Prasetya Wibawa Dan Utomo Pujianto, Model Sistem Pendukung Keputusan Pemilihan Sekolah Menggunakan Metode SAW, STMIK AMIKOM, Yogyakarta, 2016.
