17 BAB III
METODOLOGI PENELITIAN
Penyelesaian masalah dalam tugas akhir ini dengan menggunakan berbagai metodologi, antara lain:
3.1. Studi Pustaka a. Studi Literatur
Pada tahap ini dilakukan pendalaman e-book, jurnal, karya tulis ilmiah, dan literatur lainnya yang berhubungan dengan metode Analytical Hierarchy Process (AHP) dan Simple Additive Weighting (SAW) serta perancangan sistem.
b. Data Sekunder
Pengumpulan data dengan data sekunder yaitu pengumpulan data yang diambil langsung dari instansi pemerintah Kabupaten Pasuruan. 3.2. Pegumpulan Data
Tahap berikutnya yaitu mengumpulkan data yang digunakan dalam proses perancangan. Data diperoleh dari Dinas Bina Marga Kabupaten Pasuruan berdasarkan SK No.77 Dirjen Bina Marga Tahun 1990. Data responden diperoleh dari instasi terkait yang telah didapat. Kemudian dijadikan acuan pembuatan sistem pendukung keputusan prioritas lokasi perbaikan jalan menggunakan metode Analytical Hierarchy Process (AHP) dan Simple Additive Weighting (SAW)
3.2.1. Subyek Penelitian
Agar penelitian berjalan dengan baik, maka diperlukan data yang berkaitan dengan permasalahan yang diteliti. Data dikumpulkan berdasarkan pengisisan kuisioner oleh responden. Responden terdiri dari Dinas PU Bina Marga Kabupaten. Pasuruan, Badan Pembangunan Daerah (BAPPEDA) Kabupaten Pasuruan, Anggota DPRD pada Komisi Pembangunan. Responden tersebut dipilih karena dianggap memiliki pengetahuan dan ahli dibidang pembangunan dan infrastruktur jalan. Daftar responden subyek penelitian sebagai berikut:
18
Tabel 3.1 Daftar Responden
No. Responden Jumlah
1 Dinas PU Bina Marga Kabupaten Pasuruan 4 orang 2 DPRD Kabupaten Pasuruan Komisi III 3 orang
3 BAPPEDA Kabupaten Pasuruan 3 orang
Total 10 orang
3.3. Alat Penelitian
Alat penelitian yang digunakan untuk membantu dalam penyusunan penulisan:
1. Website
Website atau disingkat web, dapat diartikan sekumpulan halaman yang terdiri dari beberapa laman yang berisi informasi dalam bentuk data digital baik text, gambar, video, audio, dan animasi lainnya melalui jalur koneksi internet.
2. Bootstrap
Paket aplikasi siap pakai untuk membuat front-end sebuah website (template design). Cukup bermodalkan pengetahuan dasar HTML dan CSS. [1]
3. PHP
PHP (Hypertext Prepocessor) bahasa pemrograman yang dibuat untuk membuat aplikasi web.
4. MySQL
Software RDBMS (server database) yang dapat mengelola database dengan sangat cepat, dapat menampung data dalam jumlah besar, dapat diakses oleh banyak user (multi-user).
5. Xampp
Paket installer yang berisi Apache yang merupakan web server tempat penyimpanan file-file yang diperlukan website, dan PHPMyAdmin sebagai aplikasi yang digunakan ntuk perancangan database MySQL.
19 3.4. Analisis Data
Analisis data adalah pekerjaan yang terintegrasi setelah data diperoleh. Kemudian dikumpulkan untuk direkapitulasi sesuai dengan kebutuhan. Kemudian data dianalisis sesuai dengan kebutuhan
3.4.1. Data Analisa Kriteria, Sub-Kriteria AHP dan SAW
Penentuan kriteria dan sub-kritera ini diperoleh dari analisis data berdasarkan SK No.77 Dirjen Bina Marga Kabupaten Pasuruan. Susunan untuk struktur hierarki masalah untuk metode AHP dan SAW sebagai berikut:
1. Menyusun struktur hieraki
Gambar 3.1 Penentuan Skala Prioritas Penanganan Jalan Kabupaten
2. Membuat matriks perbandingan berpasangan yang menggambarkan kontribusi relatif setiap elemen terhadap masing-masing tujuan kriteria. 3. Menghitung bobot/ prioritas dari masing-masing variabel pada level 2
(kriteria)
4. Menghitung bobot/ prioritas dari masing-masing varaibel pada level 3 (sub-kriteria). Kemudian ditentukan keseluruhan prioritas dengan cara
20
mengalikan lokal prioritas dari masing-masing sub-kriteria dengan prioritas kriteria.
5. Menghitung bobot/ prioritas dari masing-masing variabel pada level 4 (alternatif) yaitu bobot setiap ruas jalan dibandingkan dengan masing-masing sub-kriteria seperti langkah 3.
6. Setelah mengetahui bobot dari masing-masing sub-kriteria dan bobot dari masing-masing ruas jalan kemudian menjumlah keseluruhan dari perkalian bobot antar ruas jalan. Ruas jalan yang dipilih adalah ruas jalan yang memiliki nilai bobot paling tinggi.
3.4.2. Metode SK.No.77/KPTS/DB/1990
Jabaran variabel pada penelitian ini dapat dilihat pada tabel berikut:
Tabel 3.2 Penentuan Skala Prioritas Penanganan Jalan Kabupaten
Variabel Sub Variabel Indikator Sumber Data
Kondisi Kerusakan Jalan Kondisi Jalan • Lubang-Lubang • Legokan/Amblas • Retak-Retak • Alur Bekas Roda • Bahu Jalan • Kemiringan Jalan SK No. 77/KPTS/Db/1990 Volume Lalu-Lintas • Truk Ringan • Truk Sedang dan
Berat • Mobil Roda 4 • Bis • Sepeda Motor SK No. 77/KPTS/Db/1990 Penentuan Prioritas Penanganan Jalan Kabupaten • Pemeliharaan Rutin • Nilai Kisaran S1 (6 - 10) SK No. 77/KPTS/Db/1990 • Pemeliharaan Periodik • Nilai Kisaran S1 (11 - 16) • Pekerjaan Penyangga • Nilai Kisaran S1 (16 - 23) • Pekerjaan Berat • Nilai Kisaran S1 (> 23)
Sumber : Dirjen Bina Marga Departemen Pekerjaan Umum, Petunjuk Teknis Perencanaan dan Penyusunan Program Jalan Kabupaten SK No. 77/KPTS/Db/1990
21 3.5. Model penelitian dan Pengembangan
Penelitian ini merupakan jenis penelitian pengembangan, untuk menunjang penelitian dibutuhkan sebuah model/ metode pengembangan software. Pengembangan software sebagai berikut:
3.5.1. Waterfall Model
Metode ini mempunyai ciri khas pengerjaan setiap fase harus dikerjakan terlebih dahulu sebelum melanjutkan ke fase selajutnya. Kelebihan metode ini menjadi lebih teratur dari satu tahap ke tahap lainnya. Ada 5 tahap dalam pengerjaan dalam waterfall model.
Gambar 3.2 Waterfall Model
a. Analisa Kebutuhan.
Proses pengumpulan kebutuhan dilakukan secara intensif. Kebutuhan perangkat lunak agar dapat dipahami oleh user. Informasi yang dikumpulkan berupa data baik kuisioner dan studi literatur. Pada tahap ini dilakukan pengumpulan data dari Dinas PU Kabupaten Pasuruan dan kuisioner oleh para ahli. metode yang digunakan metode AHP dan SAW.
22
Pada tahap ini fokus pada design pembuatan program perangkat lunak termasuk representasi antarmuka (flowchart) dan prosedur pengodean.
c. Implementasi
Design harus diaplikasikan ke dalam program perangkat lunak. Hasil dari tahap ini adalah program komputer yang sesuai dengan design yang telah dibuat.
d. Pengujian
Fokus pengujian pada perangkat lunak baik dari segi logika dan fungsional dan memastikan bahwa semua bagian sudah diuji. Hal ini dilakukan untuk meminimalisir error. Memastikan keluaran sesuai dengan yang diinginkan.
e. Pemeliharaan
Perubahan bisa terjadi karena adanya kesalahan yang muncul dan tidak terdeteksi saat pengujian perangkat lunak yang beradaptasi dengan user baru. Tahap pemeliharaan dapat mengulangi proses pengembangan mulai dari analisis spesifikasi untuk perubahan perangkat lunak yang sudah ada ataupun membuat perangkat lunak yang baru.
23
Gambar 3.3 Perancangan Alur Sistem
3.6. Perhitungan AHP dan SAW
3.6.1. Pembobotan Masing-Masing Elemen
Setelah dilakukan penyusunan struktur hierarki, langkah selanjutanya yaitu pembobotan pada masing-masing elemen antar kriteria, sub-kriteria dan alternatif
3.6.2. Hasil Penilaian respomden
Dalam metode ini diawali dengan kuisioner dari responden. Data yang dikumpulkan dari reponden adalah data primer. Jumlah kuisioner ada 10 responden.
Jawaban reponden dimasukkan ke dalam kriteria dan subkriteria. Selanjutnya pemboboytan penilaian masing-masing kriteria dan sub-kriteria sebagai berikut:
24 1) Perhitungan Matriks Awal 2) Perhitungan Eigen Vektor
3) Perhitungan Nilai Eigen Maksimum 4) Pembobotan Kriteria
3.6.2.1. Kriteria
Membentuk matriks rata-rata perbandingan berpasangan terlebih dahulu, kemudian ubah hasil kuisioner menjadi nilai numerik. Hasil responden menentukan tingkat kepentingan terhadap kriteria. Berdasarkan skala/ range penilaian yang diberikan diperlihatkan pada tabel berikut:
Tabel 3.2 Jawaban Responden
R Persepsi Responden A : B A : C A : D B : C B : D C : D R1 4 5 7 6 6 7 R2 1 1 6 1 5 6 R3 1 3 3 3 3 3 R4 2 4 4 2 4 4 R5 1 1 6 1 1 6 R6 3 3 1 1 1 1 R7 4 6 6 5 4 3 R8 1 1 6 1 5 6 R9 1 3 3 3 3 3 R10 1 3 3 3 3 3 Sumber: Responden Keterangan:
A : B = faktor kondisi jalan terhadap faktor volume lalu lintas. A : C = faktor kondisi jalan terhadap faktor ekonomi.
A : D = faktor kondisi jalan terhadap faktor tata guna lahan. B : C = faktor volume lalu lintas terhadap faktor ekonomi. B : D = faktor volume lalu lintas terhadap faktor tata guna lahan. C : D = faktor ekonomi terhadap faktor tata guna lahan.
25 Contoh:
Persepsi Responden 1 (R1)
• Penilaian A : B skala 4 yang artinya faktor A lebih penting dari faktor B
• Penilaian C : D skala 7 yang artinya faktor D sangat penting dari faktor C
3.6.2.2. Perbandingan Penilaian Kriteria
Data tabel 3.2 selanjutnya dianalisis dengan perhitungan kebalikan sesuai dengan matrik perbandingan berpasangan.
Tabel 3.3 Skala Perbandingan “Kriteria”
R Persepsi Responden A : B A : C A : D B : C B : D C : D R1 4 0,25 7 0,667 6 7 R2 1 1 6 1 5 6 R3 1 3 3 3 3 3 R4 2 4 0,25 2 0,25 0,25 R5 1 1 0,167 1 1 6 R6 3 0,333 1 1 1 1 R7 4 6 6 5 4 0,333 R8 1 1 6 1 5 6 R9 1 3 3 3 3 3 R10 1 3 3 3 3 3 Σ R 19 22,533 35,417 20,167 31,25 35,583 R/10 1,9 2,253 3,541 2,016 3,125 3,558 1/(R/10) 0,526 0,444 0,282 0,496 0,320 0,281 Sumber: Hasil Analisis
3.6.2.3. Perhitungan Nilai Eigen Vektor
Skala pada tabel 3.3 selanjutnya dijadikan matriks perbandingan berpasangan dan setiap baris matriksnya dikalikan. Menghitung nilai Wi dengan rumus n√Jumlah Baris ; n untuk matrik= 4x4. Mencari eigen vektor dengan rumus Wi/∑Wi.
26
Tabel 3.4. Nilai Eigen Vektor
A B C D Jumlah Wi E-Vektor A 1 1,9 2,253 3,542 15,163 1,973 0,423 B 0,526 1 2,017 3,125 3,317 1,35 0,289 C 0,444 0,496 1 3,558 0,783 0,941 0,202 D 0,282 0,320 0,281 1 0,025 0,399 0,086 ∑ 2,252 3,716 5,551 11,225 19,288 4,633 1
Sumber: Hasil Analisis
3.6.2.4. Perhitungan Eigen Maksimum dan Control (CR)
Menentukan nilai eigen maksimum dengan mangkalikan matriks awal dengan e-vektor.
Tabel 3.5 Nilai Eigen Maksimum
A B C D E-Vektor λ Maks A 1 1,9 2,253 3,542 0,423 1,731 B 0,526 1 2,017 3,125 0,289 1,187 C 0,444 0,496 1 3,558 0,202 0,838 D 0,282 0,320 0,281 1 0,086 0,354 ∑ 2,252 3,716 5,551 11,225 1 4,11
Sumber: Hasil Analisis
Kemudian menentukan CR, hasil dari CR harus < 0,1. Sebelum mencari CR, terlebih dahulu mencari CI dengan rumus:
Indeks Consistensi (CI) = (λ Maks-n) / (n-1) dimana n=ukuran matrik
• CI = (4,110-4) / (4-1) = 0,037
• Ratio Consistensi (CR)
CR = CI/R1 , n=4 maka R1= 0,90 (tabel Saaty)
= 0,037 / 0,90
27 3.6.2.5. Pembobotan Kriteria
Bobot elemen diperoleh dari nilai e-vektor. Tabel 3.6 Bobot Kriteria
Kriteria Bobot
A Faktor kondisi jalan 0,423 B Faktor volume lalu lintas 0,289
C Faktor ekonomi 0,202
D Faktor tata guna lahan 0,086
∑ 1,000
Sumber: Hasil Analisis
Dari tabel 3.6 dapat dilihat bahwa penilaian responden terhadap kriteria menunjukkan bahwa faktor kondisi jalan mempunyai pengaruh yang paling penting sebesar 0,423 (42,3%.). Faktor volume lalu lintas sebesar 0,289 (28,9%). Faktor ekonomi sebesar 0,202 (20,2%). Faktor tata guna lahan sebesar 0,086 (8,6%).
3.6.2.6. Sub-Kriteria Kondisi Jalan
Sub-kriteria kondsi jalan dapat dilihat pada tabel berikut: Tabel 3.7 Sub Kriteria “Kondisi Jalan”
R Persespsi responden a1 : a2 a1 : a3 a1 : a4 a1 : a5 a1 : a6 a2 : a3 a2 : a4 R1 1 1 1 6 1 6 6 R2 1 3 1 1 1 1 1 R3 1 3 3 1 3 3 3 R4 4 2 4 2 4 4 4 R5 1 3 1 1 1 1 1 R6 5 1 3 1 1 5 5 R7 4 4 4 5 4 5 4 R8 1 5 5 5 3 5 3 R9 1 3 7 1 5 7 1 R10 1 3 1 1 1 1 1 lanjutan
28 R Persespsi responden a2 : a5 a2 : a6 a3 : a4 a3 : a5 a3 : a6 a4 : a5 a4 : a6 a5 : a6 R1 4 4 5 5 6 4 4 4 R2 3 1 3 1 3 1 1 1 R3 2 3 3 1 3 3 3 3 R4 2 4 1 4 4 4 4 2 R5 3 1 1 1 1 1 1 1 R6 3 3 3 3 3 1 3 3 R7 4 4 4 5 5 5 3 3 R8 5 3 1 1 1 1 1 1 R9 3 3 3 3 3 2 2 3 R10 3 1 1 1 1 1 1 1 Sumber: Responden Keterangan: R = responden (1-10).
a1 : a2 = lubang-lubang terhadap legokan/ amblas. a1 : a3 = lubang-lubang terhadap retak-retak. a1 : a4 = lubang-lubang terhadap alur bekas roda a1 : a5 = lubang-lubang terhadap bahu jalan. a1 : a6 = lubang-lubang terhadap kemiringan jalan. a2 : a3 = legokan/ amblas terhadap retak-retak. a2 : a4 = legokan/ amblas terhadap alur bekas roda. a2 : a5 = legokan/ amblas terhadap bahu jalan. a2 : a6 = legokan/ amblas terhadap kemiringan jalan. a3 : a4 = retak-retak terhadap alur bekas roda.
a3 : a5 = retak-retak terhadap bahu jalan. a3 : a6 = retak-retak terhadap kemiringan jalan. a4 : a5 = alur bekas roda terhadap bahu jalan.. a4 : a6 = alur bekas roda terhadap kemiringan jalan. a5 : a6 = bahu jalan terhadap kemiringan jalan.
29
3.6.2.7. Perbandingan Penilaian Sub-Kriteria “Kondisi Jalan” Data dari tabel 3.7 kemudian dianalisis dengan perhitungan kebalikan sesuai matriks perbandingan berpasangan.
Tabel 3.8 Skala Perbandingan Penilaian Sub-Kriteria “Kondisi Jalan”
R Persespsi responden a1 : a2 a1 : a3 a1 : a4 a1 : a5 a1 : a6 a2 : a3 a2 : a4 R1 1 1 1 61 6 6 6 R2 1 3 1 1 1 1 1 R3 1 3 3 1 3 3 3 R4 4 2 4 2 4 4 4 R5 1 3 1 1 1 1 1 R6 5 1 3 1 5 5 5 R7 4 4 4 5 5 5 4 R8 1 5 5 5 5 5 3 R9 1 3 7 1 7 7 1 R10 1 3 1 1 1 1 1 Σ R 20 28 30 24 38 38 29 R/10 2 2,8 3 2,4 3,8 3,8 2,9 1/(R/10) 0,5 0,357 0,333 0,417 0,263 0,263 0,345 lanjutan R Persespsi responden a2 : a5 a2 : a6 a3 : a4 a3 : a5 a3 : a6 a4 : a5 a4 : a6 a5 : a6 R1 4 4 5 5 6 4 4 4 R2 3 1 3 1 3 1 1 1 R3 2 3 3 1 3 3 3 0,333 R4 2 4 1 4 4 4 4 2 R5 3 1 1 1 1 1 1 1 R6 3 3 0,333 0,333 0,333 1 3 3 R7 4 4 4 5 5 5 0,333 0,333 R8 5 3 1 1 1 1 1 1 R9 3 3 3 3 3 2 2 3
30
R10 3 1 1 1 1 1 1 1
Σ R 33 27 22,333 22,333 27,333 18,2 20,333 16,666 R/10 3,3 2,7 2,233 2,233 2,733 1,82 2,033 1,666 1/(R/10) 0,303 0,37 0,448 0,448 0,366 0,549 0,492 0,6 Sumber: Hasil Analisis
3.6.2.8. Perhitungan Nilai Eigen Vektor “Kondisi Jalan”
Skala pada tabel 3.8 selanjutnya dijadikan matriks perbandingan berpasangan dan setiap baris matriksnya dikalikan. Menghitung nilai Wi dengan rumus n√Jumlah Baris ; n untuk matrik= 6x6. Mencari eigen vektor dengan rumus Wi/∑Wi.
Tabel 3.9 Nilai Eigen Vektor Skala Sub-Kriteria Kondisi Jalan
a1 a2 a3 a4 a5 a6 Jumlah Wi E-Vektor a1 1 2 2,8 3 2,4 3,8 153,216 2,313 0,332 a2 0,5 1 3,8 2,9 3,3 2,7 49,094 1,914 0,275 a3 0,357 0,263 1 2,233 2,233 2,733 1,281 1,042 0,150 a4 0,333 0,345 0,448 1 1,82 2,033 0,19 0,759 0,109 a5 0,417 0,303 0,448 0,549 1 1,667 0,052 0,610 0,088 a6 0,263 0,37 0,366 0,549 0,6 1 0,011 0,320 0,046 ∑ 2,87 4,281 8,861 10,175 11,353 13,933 203,844 6,958 1 Sumber: Hasil Analisis
3.6.2.9. Perhitungan Nilai Eigen Maksium dan Control (CR) “Kondisi Jalan”
Menentukan nilai eigen maksimum yaitu dengan mengkalikan matriks awal dengan E-vektor.
Tabel 3.10 Nilai Eigen Maksimum Sub-Kriteria Kondisi Jalan
a1 a2 a3 a4 a5 a6 E-Vektor λ Maks
a1 1 2 2,8 3 2,4 3,8 0,332 2,014
a2 0,5 1 3,8 2,9 3,3 2,7 0,275 1,740
a3 0,357 0,263 1 2,233 2,233 2,733 0,150 0,906 a4 0,333 0,345 0,448 1 1,82 2,033 0,109 0,635
31
a5 0,417 0,303 0,448 0,549 1 1,667 0,088 0,513 a6 0,263 0,37 0,366 0,549 0,6 1 0,046 0,396 ∑ 2,87 4,281 8,861 10,175 11,353 13,933 1 6,205
Sumber: Hasil Analisis
Kemudian menentukan CR, hasil dari CR harus < 0,1. Sebelum mencari CR, terlebih dahulu mencari CI dengan rumus:
Indeks Consistensi (CI) = (λ Maks-n) / (n-1) dimana n=ukuran matrik
• CI = (6,205-6) / (6-1) = 0,041
• Ratio Consistensi (CR)
CR = CI/CR , n=6 maka R1= 1,24 (tabel Saaty)
= 0,041 / 1,24
= 0,033 < 0,1 konsisten ! 3.6.2.10. Pembobotan Kriteria “Kondisi Jalan”
Bobot elemen diperoleh dari nilai E-vektor Tabel 3.11 Bobot Kondisi Jalan
Kriteria Bobot
1 Lubang-Lubang 0,332
2 Legokan/ Amblas 0,275
3 Retak Tipe Buaya 0,150
4 Alur Bekas Roda 0,109
5 Bahu Jalan 0,088
6 Kemiringan Jalan 0,046
∑ 1,000
Sumber: Hasil Analisis
Dari tabel 3.11 dapat dilihat bahwa penilaian responden terhadap sub-kriteria menunjukkan bahwa lubang-lubang mempunyai pengaruh yang paling penting sebesar (33,2%). Legokan/ amblas sebesar (27,5%). Retak tipe buaya sebesar (15%).
32
Alur bekas roda sebesar (10,9%). Bahu jalan sebesar (8,8%). Kemiringan Jalan sebesar (4,6%).
3.6.2.11. Sub-Kriteria Volume Lalu Lintas
Sub-kriteria volume lalu lintas dapat dilihat pada tabel berikut:
Tabel 3.12 Jawaban Responden Terhadap Sub-Kriteria “Volume Lalu Lintas”
R Persepsi responden b1 : b2 b1 : b3 b1 : b4 b1 : b5 b2 : b3 b2 : b4 b2 : b5 R1 5 4 4 4 5 5 5 R2 1 1 1 1 1 1 5 R3 3 3 3 3 3 3 3 R4 4 1 2 2 4 1 2 R5 1 1 1 7 1 1 3 R6 5 5 3 5 3 5 5 R7 3 3 2 4 3 2 3 R8 3 3 2 4 3 2 3 R9 3 3 2 4 3 2 3 R10 4 1 2 2 4 1 2 Lanjutan R b3 : b4 b3 : b5 b4 : b5 R1 5 5 4 R2 1 4 4 R3 3 3 3 R4 4 2 4 R5 1 1 1 R6 5 5 5 R7 2 2 2 R8 2 2 2 R9 2 2 2 R10 4 2 4 Sumber: Responden
33 Keterangan:
R = responden.
b1 : b2 = truk ringan terhadap truk sedang dan berat. b1 : b3 = truk ringan terhadap mobil roda 4.
b1 : b4 = truk ringan terhadap bis.
b1 : b5 = truk ringan terhadap sepeda motor.
b2 : b3 = truk sedang dan berat. Terhadap mobil roda 4. b2 : b4 = truk sedang dan berat terhadap bis.
b2 : b5 = truk sedang dan berat terhadap sepeda motor b3 : b4 = mobil roda 4 terhadap bis.
b3 : b5 = mobil roda 4 terhadap sepeda motor. b4 : b5 = bis terhadap sepeda motor.
3.6.2.12. Perbandingan Penilaian Sub-Kriteria “Volume Lalu Lintas”
Tabel 3.13 Skala Perbandingan Sub-Kriteria “Volume Lalu Lintas”
R Persepsi responden b1 : b2 b1 : b3 b1 : b4 b1 : b5 b2 : b3 b2 : b4 b2 : b5 R1 0,2 4 4 4 5 5 5 R2 1 1 1 1 1 1 5 R3 3 0,333 3 0,333 0,333 0,333 0,333 R4 0,25 1 0,5 2 4 1 2 R5 1 1 1 0,143 1 1 0,333 R6 0,2 5 0,333 0,2 3 5 0,2 R7 3 3 2 4 3 2 3 R8 3 3 2 4 3 2 3 R9 3 3 2 4 3 2 3 R10 0,25 1 0,5 2 4 1 2 Σ R 14,9 22,333 16,333 21,676 27,333 20,333 23,867 R/10 1,49 2,233 1,633 2,167 2,73 2,033 2,386 1/(R/10) 0,671 0,448 0,612 0,461 0,366 0,492 0,419 lanjutan
34 R b3 : b4 b3 : b5 b4 : b5 R1 0,2 5 4 R2 1 4 4 R3 3 0,333 0,333 R4 0,25 0,5 4 R5 1 1 1 R6 5 0,2 0,2 R7 2 2 2 R8 2 2 2 R9 2 2 2 R10 0,25 0,5 4 Σ R 16,7 17,533 23,533 R/10 1,67 1,753 2,353 1/(R/10) 0,599 0,57 0,425 Sumber: Hasil Analisis
3.6.2.13. Perhitungan Nialai Eigen Vektor “Volume Lalu Lintas” Skala pada tabel 3.13 selanjutnya dijadikan matriks perbandingan berpasangan dan setiap baris matriksnya dikalikan. Menghitung nilai Wi dengan rumus n√Jumlah Baris ; n untuk matrik= 5x5. Mencari eigen vektor dengan rumus Wi/∑Wi .
Tabel 3.14 Nilai Eigen Verktor “Volume Lalu Lintas”
b1 b2 b3 b4 b5 Jumlah Wi E-Vektor b1 1 1,49 1,633 2,168 2,733 14,419 1,705 0,308 b2 0,671 1 2,733 2,033 2,387 8,902 1,548 0,28 b3 0,448 0,366 1 1,67 1,753 0,48 0,863 0,156 b4 0,612 0,612 0,599 1 2,353 0,528 0,88 0,159 b5 0,461 0,419 0,57 0,425 1 0,047 0,542 0,098 ∑ 3,192 3,887 6,536 7,296 10,227 24,376 5,539 1
35
3.6.2.14. Perhitungan Nilai Eigen Maksimum dan Control CR “Volume Lalu Lintas”
Menentukan nilai eigen maksimum yaitu dengan mengkalikan E-vektor.
Tabel 3.15 Matriks Nilai Eigen Maksimum Sub-Kriteria Volume Lalu-Lintas
b1 b2 b3 b4 b5 E-Vektor λ Maks b1 1 1,49 1,633 2,168 2,733 0,308 1,591 b2 0,671 1 2,733 2,033 2,387 0,28 1,469 b3 0,448 0,366 1 1,67 1,753 0,156 0,833 b4 0,612 0,612 0,599 1 2,353 0,159 0,842 b5 0,461 0,419 0,57 0,425 1 0,098 0,513 ∑ 3,192 3,887 6,536 7,296 10,227 1 5,248
Sumber: Hasil Analisis
Kemudian menentukan CR, hasil dari CR harus < 0,1. Sebelum mencari CR, terlebih dahulu mencari CI dengan rumus:
Indeks Consistensi (CI) = (λ Maks-n) / (n-1) dimana n=ukuran matrik
• CI = (5,248-5) / (5-1) = 0,062
• Ratio Consistensi (CR)
CR = CI/CR , n=5 maka R1= 1,12 (tabel Saaty)
= 0,062/ 1,12
= 0,055 < 0,1 konsisten ! 3.6.2.15. Pembobotan Sub-Kriteria “Volume Lalu Lintas”
Bobot elemen diperoleh dari nilai e-vektor. Tabel 3.16 Bobot Sub-Kriteria Volume Lalu Lintas
Kriteria Bobot
1 Truk ringan 0,308
2 Truk sedang/ berat 0,280
3 Mobil roda 4 0,156
36
5 Sepeda Motor 0,098
∑ 1,000
Sumber: Hasil Analisis
Dari tabel 3.16 dapat dilihat bahwa penilaian responden terhadap sub-kriteria menunjukkan bahwa truk ringan mempunyai pengaruh yang paling penting sebesar 0,308 atau (30,8%). Truk sedang atau berat sebesar 0,28 atau (28%). Mobil roda 4 sebesar 0,156 atau (15,6%). Bis sebesar 0,159 atau (15,9%). Sepeda motor jalan sebesar 0,098 atau (9,8%).
3.6.2.16. Sub-Kriteria Faktor Ekonomi
Sub-kriteria ekonomi dapat dilihat pada tabel berikut: Tabel 3.17 Jawaban Responden Terhadap Sub-Kriteria “Ekonomi”
R Persepsi responden c1 : c2 R1 5 R2 1 R3 3 R4 4 R5 1 R6 5 R7 1 R8 4 R9 1 R10 2 Sumber: Responden Keterangan: R = responden c1 = manfaat/ kelayakan (NPV) c2 = biaya kegiatan.
37
3.6.2.17. Perbandingan Penilaian Sub-Kriteria “Ekonomi” Tabel 3.18 Skala Perbandingan Sub-Kriteria “Ekonomi”
R Persepsi responden c1 : c2 R1 0,2 R2 1 R3 3 R4 0,25 R5 1 R6 0,2 R7 1 R8 0,25 R9 1 R10 2 Σ R 9,9 R/10 0,101 1/(R/10) 9,9
Sumber: Hasil Analisis
3.6.2.18. Perhitungan Nilai Eigen Vektor “Ekonomi”
Skala pada tabel 3.18 selanjutnya dijadikan matriks perbandingan berpasangan dan setiap baris matriksnya dikalikan. Menghitung nilai Wi dengan rumus n√Jumlah Baris ; n untuk matrik= 2x2. Mencari eigen vektor dengan rumus Wi/∑Wi .
Tabel 3.19 Nilai Eigen Vektor Sub-Kriteria Ekonomi
c1 c2 jumlah Wi E-Vektor
c1 1 0,101 0,101 0,318 0,092
c2 9,9 1 9,9 3,146 0,908
∑ 10,9 1,101 10,001 3,464 1
Sumber: Hasil Analisis
3.6.2.19. Perhitungan Nilai Eigen Maksimum dan Control CR “Ekonomi”
38
Menentukan nilai eigen maksimum yaitu dengan mengkalikan E-vektor.
Tabel 3.20 Nilai Eigen Maksimum Sub-Kriteria Ekonomi
c1 c2 E-Vektor λ Maks
c1 1 0,101 0,092 0,183
c2 9,9 1 0,908 1,817
∑ 10,9 1,101 1 2
Sumber: Hasil Analisis
Kemudian menentukan CR, hasil dari CR harus < 0,1. Sebelum mencari CR, terlebih dahulu mencari CI dengan rumus:
Indeks Consistensi (CI) = (λ Maks-n) / (n-1) dimana n=ukuran matrik
• CI = (2-2) / (2-1) = 0
• Ratio Consistensi (CR)
CR = CI/CR , n=2 maka R1= 0 (tabel Saaty)
= 0 / 0
= 0 < 0,1 konsisten ! 3.6.2.20. Pembobotan Sub-Kriteria Ekonomi
Bobot elemen diperoleh dari nilai E-vektor Tabel 3.20 Bobot Ekonomi
Bobot 1 Estimasi biaya kegiatan 0,092 2 Manfaat/ Kelayakan (NPV) 0,908
∑ 1,000
Sumber: Hasil Analisis
Dari tabel 3.20 dapat dilihat bahwa penilaian responden terhadap sub-kriteria menunjukkan bahwa manfaat/ kelayakan (NPV) mempunyai pengaruh yang paling penting sebesar 0,098 atau (90,8%). Estimasi biaya kegiatan sebesar 0,092 atau (9,2%).
39
3.6.2.21. Sub-Kriteria Faktor Tata Guna Lahan
Sub-kriteria ekonomi dapat dilihat pada tabel berikut: Tabel 3.21 Jawaban Responden Terhadap Sub-Kriteria “Tata Guna Lahan”
R Persepsi Responden d1 : d2 d1 : d3 d1 : d4 d2 : d3 d2 : d4 d3 : d4 R1 2 3 3 2 2 3 R2 1 1 1 1 1 1 R3 1 1 1 1 1 1 R4 4 4 4 4 4 4 R5 3 1 1 1 1 1 R6 3 3 3 3 3 1 R7 1 1 1 4 1 4 R8 2 2 3 2 2 2 R9 3 2 1 3 3 1 R10 2 2 3 2 2 4 Sumber: Responden Keterangan: R = responden.
d1 : d2 = bidang industri pertanian terhadap bidang pendidikan. d1 : d3 = bidang industri pertanian terhadap bidang pariwisata.
d1 : d4 = bidang industri pertanian terhadap bidang perdagangan-jasa. d2 : d3 = bidang pendidikan terhadap bidang pariwisata.
d2 : d4 = bidang pendidikan terhadap bidang perdagangan-jasa. d3 : d4 = bidang pariwisata terhadap bidang perdagangan-jasa.
3.6.2.22. Perbandingan Penilaian Sub-Kriteria “Tata Guna Lahan”
Tabel 3.22 Skala Perbandingan Sub-Kriteria “Tata Guna Lahan”
R Persepsi Responden d1 : d2 d1 : d3 d1 : d4 d2 : d3 d2 : d4 d3 : d4 R1 2 3 3 2 2 0,333 R2 1 1 1 1 1 1 R3 1 1 1 1 1 1
40 R4 4 4 0,25 4 4 0,25 R5 3 1 1 1 1 1 R6 3 3 3 3 3 1 R7 1 1 1 4 1 0,25 R8 2 0,5 3 2 0,5 0,5 R9 0,333 2 1 3 3 1 R10 2 2 0,333 2 0,5 4 Σ R 19,333 18,5 11,917 23 17 6,583 R/10 1,933 1,850 11,917 2,3 1,7 0,658 1/(R/10) 0,517 0,541 1,192 0,435 0,588 1,519 Sumber: Hasil Analisis
3.6.2.23. Perhitungan Nilai Eigen Vektor “Tata Guna Lahan” Skala pada tabel 3.22 selanjutnya dijadikan matriks perbandingan berpasangan dan setiap baris matriksnya dikalikan. Menghitung nilai Wi dengan rumus n√Jumlah Baris ; n untuk matrik= 2x2. Mencari eigen vektor dengan rumus Wi/∑Wi .
Tabel 3.23 Nilai Eigen Vektor Sub-Kriteria Tata Guna Lahan
d1 d2 d3 d4 Jumlah Wi E-Vektor d1 1 1,933 1,192 2,3 5,299 1,517 0,374 d2 0,517 1 2,3 1,7 2,022 1,193 0,294 d3 0,435 0,435 1 0,658 0,124 0,594 0,146 d4 0,839 0,588 0,658 1 0,325 0,755 0,186 ∑ 2,791 3,956 5,15 5,658 7,771 4,059 1
Sumber: Hasil Analisis
3.6.2.24. Perhitungan Nilai Eigen Maksimum dan Control CR “Tata Guna Lahan”
Menentukan nilai eigen maksimum yaitu dengan mengkalikan E-vektor.
Tabel 3.24 Nilai Eigen Maksimum Sub-Kriteria Tata Guna Lahan
d1 d2 d3 d4 E-Vektor λ Maks
41
d2 0,517 1 2,3 1,7 0,294 1,140
d3 0,435 0,435 1 0,658 0,146 0,559
d4 0,839 0,588 0,658 1 0,186 0,769
∑ 2,791 3,956 5,15 5,658 1 4,012
Sumber: Hasil Analisis
Kemudian menentukan CR, hasil dari CR harus < 0,1. Sebelum mencari CR, terlebih dahulu mencari CI dengan rumus:
Indeks Consistensi (CI) = (λ Maks-n) / (n-1) dimana n=ukuran matrik
• CI = (4,012-4) / (4-1) = 0,004
• Ratio Consistensi (CR)
CR = CI/CR , n=4 maka R1=0,9 (tabel Saaty)
= 0,004/ 0,9
= 0,004 < 0,1 konsisten ! 3.6.2.25. Pembobotan Sub Kriteria Tata Guna Lahan
Bobot elemen diperoleh dari nilai e-vektor Tabel 3.25 Bobot Tata Guna Lahan
Bobot 1 Bidang industri pertanian 0,374
2 Bidang pendidikan 0,294
3 Bidang pariwisata 0,146
4 Bidang perdagangan-jasa 0,186
∑ 1
Sumber: Hasil Analisis
Dari tabel 3.25 dapat dilihat bahwa penilaian responden terhadap sub-kriteria menunjukkan bahwa bidang industri pertanian mempunyai pengaruh yang paling penting sebesar 0,374 atau (37,4%). Bidang pendidikan sebesar 0,294 atau (29,4%). Bidang pariwisata sebesar 0,146 atau (14,6%). Bidang perdagangan-jasa sebesar 0,186 atau (18,6%).
42
Selanjutnya besaran bobot dari masing-masing kriteria dan sub-kriteria dapat dirangkum pada gambar berikut:
Gambar 3.4 Bobot Kriteria dan Sub-Kriteria 3.6.3. Penerapan Bobot Kriteria dan Sub-Kriteria
Hasil dari data yang sudah dianalisis dengan menggunakan metode AHP kemudian dihitung dengan masing-masing bobot dari kriteria dan sub-kriteria yang akan digunakan dalam mencari skala prioritas penanganan jalan Kabupaten Pasuruan.
3.6.3.1. Penerapan Bobot Sub-Kriteria Kondisi Jalan
Bobot dari sub-kriteria kondisi jalan didapatkan dari hasil besaran bobot dan normalisasi dari data lampiran tabel 3.26 sebagai berikut:
43
Tabel 3.26 Penilaian Bobot Sub-Kriteria Kondisi Jalan
No ur ut No.r ua s Na ma r ua s Perhitungan bobot Luba ng Le goka n R etak Buaya Alur be ka s rod a B ahu jala n ke mi ringa n Y 1 78 Ledug-Dayurejo 0,25 0,25 0,25 0,25 0,75 0,75 0,134 2 80 Sukokilo-Ledug 0,25 0,25 0,25 0,25 0,75 0,75 0,134 3 81 Pecalukan-Ledug 0,25 0,25 0,25 0,25 0,75 0,75 0,134 4 100 Pakukerto-Jatiarjo 0,25 0,25 0,25 0,25 0,50 0,75 0,127 5 104 Plintahan-Ledug 0,25 0,25 0,25 0,25 0,75 0,75 0,134 6 130 Dayurejo-Talunogo 0,25 0,25 0,25 0,25 0,75 0,75 0,134 7 162 Sukokilo-Ketanireng 0,25 0,25 0,25 0,25 0,75 0,75 0,134 8 357 Wilo-Ketanireng 0,25 0,75 0,25 0,25 1,00 1,00 0,277 9 496 Watuagung-Gunting 0,25 0,25 0,25 0,25 0,75 0,75 0,169 10 94 Kalirejo-Kalianyar 0,25 0,25 0,25 0,25 0,50 0,50 0,120 11 109 Sidowayah-Kolursari 0,25 0,25 0,25 0,25 0,50 0,50 0,120 12 110 Kolursari-Banjarsari 0,50 0,25 0,25 0,25 1,00 1,00 0,183
44 13 140 Kairejo-Glanggang 0,25 0,25 0,25 0,25 0,75 0,50 0,129 14 489 Mangasan-Kradenan 0,25 0,25 0,25 0,25 0,75 0,50 0,129 15 494 Kolursari-Mojorejo 0,50 0,25 0,25 0,25 0,75 0,75 0,169
Sumber: Dinas PU Kabupaten Pasuruan
Rumus Y = A(a1*bobot a1+………+a6*bobot a6) Keterangan:
A = kriteria faktor kondisi jalan (lihat pada tabel 3.6) a1-a6 = sub-kriteria faktor kondisi jalan (lihat pada tabel 3.11) bobot a1-bobot a6 = bobot sub-kriteria kondisi jalan (lihat pada tabel 3.26) Contoh:
Ruas Ledug-Dayurejo
Y = 0,423(0,332*0,25 + 0,275*0,25 + 0,15*0,25 + 0,109*0,25 + 0,088*0,075 + 0,046*0,75)
= 0,134
3.6.3.2. Penerapan Bobot Sub-Kriteria Volume Lalu Lintas Bobot dari sub-kriteria volume lalu lintas didapatkan dari hasil besaran bobot dan normalisasi dari data lampiran tabel 3.27 sebagai berikut:
Tabel 3.27 Penilaian Bobot Sub-Kriteria Volume Lalu Lintas
No ur ut No.r ua s Na ma r ua s Perhitungan bobot Tr uk R ingan Tr uk B era t Mobi l R oda 4 B is S epe da Moto r Y 1 78 Ledug-Dayurejo 0,038 0,012 0,178 0,000 0,210 0,018 2 80 Sukokilo-Ledug 0,016 0,000 0,073 0,000 0,123 0,037
45 3 81 Pecalukan-Ledug 0,028 0,004 0,095 0,002 0,158 0,012 4 100 Pakukerto-Jatiarjo 0,044 0,002 0,244 0,002 0,707 0,035 5 104 Plintahan-Ledug 0,032 0,016 0,212 0,008 0,434 0,026 6 130 Dayurejo-Talunogo 0,010 0,000 0,079 0,000 0,291 0,013 7 162 Sukokilo-Ketanireng 0,016 0,000 0,192 0,000 0,263 0,018 8 357 Wilo-Ketanireng 0,012 0,000 0,087 0,000 0,455 0,018 9 496 Watuagung-Gunting 0,020 0,000 0,065 0,000 0,319 0,014 10 94 Kalirejo-Kalianyar 0,040 0,004 0,214 0,000 0,420 0,025 11 109 Sidowayah-Kolursari 0,057 0,002 0,081 0,004 0,440 0,022 12 110 Kolursari-Banjarsari 0,004 0,000 0,034 0,000 0,285 0,010 13 140 Kairejo-Glanggang 0,010 0,000 0,135 0,000 0,380 0,026 14 489 Mangasan-Kradenan 0,000 0,000 0,020 0,000 0,089 0,003 15 494 Kolursari-Mojorejo 0,002 0,000 0,016 0,000 0,178 0,012
Sumber: Dinas PU Kabupaten Pasuruan
Rumus Y = B(b1*bobot b1+………+b5*bobot b5) Keterangan:
B = kriteria faktor volume lalu lintas (lihat pada tabel 3.6) b1-b5 = sub-kriteria faktor volume lalu lintas (lihat pada tabel 3.16) bobot b1-bobot b5 = bobot sub-kriteria volume lalu lintas (lihat pada tabel 3.27)
46 Contoh:
Ruas Ledug-Dayurejo
Y = 0,289(0,308*0,38 + 0,28*0,012 + 0,156*0,178 + 0,159*0 + 0,098*0,21) = 0,018
3.6.3.3. Penerapan Bobot Sub-Kriteria Ekonomi
Bobot dari sub-kriteria ekonomi didapatkan dari hasil besaran bobot dan normalisasi dari data lampiran tabel 3.28 sebagai berikut:
Tabel 3.28 Penilaian Bobot Sub-Kriteria Ekonomi
No ur ut No.r ua s Na ma r ua s Perhitungan bobot Ke giata n NPV Y 1 78 Ledug-Dayurejo 0,024 0,151 0,028 2 80 Sukokilo-Ledug 0,024 0,060 0,011 3 81 Pecalukan-Ledug 0,004 0,093 0,017 4 100 Pakukerto-Jatiarjo 0,015 0,402 0,074 5 104 Plintahan-Ledug 0,035 0,306 0,057 6 130 Dayurejo-Talunogo 0,049 0,141 0,027 7 162 Sukokilo-Ketanireng 0,002 0,151 0,028 8 357 Wilo-Ketanireng 0,333 1,000 0,190
47
Sumber: Dinas PU Kabupaten Pasuruan
Rumus Y = C(c1*bobot c1+c2*bobot c2) Keterangan:
C = kriteria faktor ekonomi (lihat pada tabel 3.6) c1-c2 = sub-kriteria faktor ekonomi (lihat pada tabel 3.20) bobot c1-bobot c2 = bobot sub-kriteria ekonomi (lihat pada tabel 3.28) Contoh:
Ruas Ledug-Dayurejo
Y = 0,202(0,92*0,024 + 0,908*0,151) = 0,028
3.6.3.4. Penerapan Bobot Sub-Kriteria Tata Guna Lahan
Bobot dari sub-kriteria volume lalu lintas didapatkan dari hasil besaran bobot dan normalisasi dari data lampiran tabel 3.29 sebagai berikut: 9 496 Watuagung-Gunting 0,012 0,276 0,032 10 94 Kalirejo-Kalianyar 0,002 0,276 0,051 11 109 Sidowayah-Kolursari 0,001 0,276 0,044 12 110 Kolursari-Banjarsari 1,000 0,458 0,103 13 140 Kairejo-Glanggang 0,076 0,204 0,039 14 489 Mangasan-Kradenan 0,000 0,015 0,003 15 494 Kolursari-Mojorejo 0,055 0,051 0,010
48
Tabel 3.29 Penilaian Bobot Sub-Kriteria Tata Guna Lahan
No ur ut No.r ua s Na ma r ua s Perhitungan bobot P erta nian P endidi ka n P ariw isata P erda ga nga n -Ja sa Y 1 78 Ledug-Dayurejo 1 1 1 1 0,086 2 80 Sukokilo-Ledug 1 1 1 1 0,086 3 81 Pecalukan-Ledug 0 1 1 1 0,054 4 100 Pakukerto-Jatiarjo 1 1 1 1 0.086 5 104 Plintahan-Ledug 1 1 0 1 0,073 6 130 Dayurejo-Talunogo 1 1 1 1 0,073 7 162 Sukokilo-Ketanireng 1 1 0 1 0,073 8 357 Wilo-Ketanireng 1 1 0 1 0,073 9 496 Watuagung-Gunting 1 1 0 1 0,041 10 94 Kalirejo-Kalianyar 0 1 0 1 0,048 11 109 Sidowayah-Kolursari 1 0 0 1 0,073 12 110 Kolursari-Banjarsari 1 1 0 1 0,073
49 13 140 Kairejo-Glanggang 1 1 0 1 0,073 14 489 Mangasan-Kradenan 1 1 0 1 0,073 15 494 Kolursari-Mojorejo 1 1 0 1 0,073
Sumber: Dinas PU Kabupaten Pasuruan Rumus Y = D(d1*bobot d1+c2*bobot c2) Keterangan:
C = kriteria faktor tata guna lahan (lihat pada tabel 3.6) d1-d4 = sub-kriteria faktor tata guna lahan (lihat pada tabel 3.23) bobot d1-bobot d4 = bobot sub-kriteria tata guna lahan (lihat pada tabel 3.29) Contoh:
Ruas Ledug-Dayurejo
Y = 0,202(0,374*1 + 0,294*1 + 0,146*1 + 0,186*1) = 0,086
3.6.3.5. Penyusunan Prioritas Penanganan Jalan dengan Metode AHP
Besaran bobot pada masing-masing kriteria dan sub-kriteria, selanjutnya menentukan prioritas penanganan jalan dengan sistem persamaan matematis menurut Bojonegoro (1991) sebagai berikut: ∑Y = A (a1*bobot a1 +…..+ a6*bobot a6) + B (b1*bobot b1 +…..+b5*bobot b5) + C (c1*bobot c1 + c2*bobot c2) + D (d1*bobot d1 +…..+ a4*bobot a4)
Keterangan:
∑Y = skala prioritas penanganan jalan
A s/d D = bobot kriteria level 2 (analisa responden) a1,a2,…,d4 = bobot sub-kriteria level 3 (analisa responden) bobot a1,a2,…,bobot d4 = bobot alternatif level 3 (data dinas PU) Contoh:
Ruas Ledug-Dayurejo
∑Y = (0,134+0,018+0,028+0,086) = 0,266
50
Tabel 3.30 Hasil Perhitungan AHP Skala Prioritas Penanganan Jalan dan Peringkat Prioritas Penanganan Jalan
No.Urut No Ruas Nama Ruas ∑Y Urutan
1 78 Ledug-Dayurejo 0,354 4 2 80 Sukokilo-Ledug 0,329 7 3 81 Pecalukan-Ledug 0,283 12 4 100 Pakukerto-Jatiarjo 0,404 3 5 104 Plintahan-Ledug 0,346 6 6 130 Dayurejo-Talunogo 0,351 5 7 162 Sukokilo-Ketanireng 0,309 10 8 357 Wilo-Ketanireng 0,518 1 9 496 Watuagung-Gunting 0,324 8 10 94 Kalirejo-Kalianyar 0,263 13 11 109 Sidowayah-Kolursari 0,259 15 12 110 Kolursari-Banjarsari 0,489 2 13 140 Kalirejo-Glanggang 0,316 9 14 489 Mangasan-Kradenan 0,261 14 15 494 Kolursari-Mojorejo 0,299 11
Sumber: Hasil Analisis
3.6.4. Perhitungan SAW
Metode SAW tidak menyediakan perhitungan bobot dengan perbandingan berpasangan. Perhitungan bobot prioritas untuk masing-masing kriteria dan sub-kriteria digunakan dengan menggunakan cara seperti metode Analytical Hierarchy Process (AHP). Perhitungan faktor evaluasi untuk masing-masing alternatif digunakan dengan cara yang sama pada metode Analytical Hierarchy Process (AHP). Metode Simple Additive Weighting (SAW) digunakan untuk pencarian rangking alternatif dengan bobot prioritas dan faktor evalausi didapat dari perhitungan metode AHP.
3.6.4.1. Perhitungan Kriteria
Dari tabel 3.6 dapat dilihat bahwa penilaian responden terhadap kriteria menunjukkan bahwa faktor kondisi jalan mempunyai pengaruh yang paling penting sebesar 0,423 (42,3%.).
51
Faktor volume lalu lintas sebesar 0,289 (28,9%). Faktor ekonomi sebesar 0,202 (20,2%). Faktor tata guna lahan sebesar 0,086 (8,6%). 3.6.4.2. Perhitungan Sub-Kriteria Kondisi Jalan
Bobot prioritas kondisi jalan dengan nilai pada tabel 3.11 dapat dilihat bahwa penilaian responden terhadap sub-kriteria menunjukkan bahwa lubang-lubang mempunyai pengaruh yang paling penting sebesar 0,332 atau (33,2%). Legokan/ amblas sebesar 0,275 atau (27,5%). Retak tipe buaya sebesar 0,15 atau (15%). Alur bekas roda sebesar 0,109 atau (10,9%). Bahu jalan sebesar 0,088 atau (8,8%). Kemiringan Jalan sebesar0,046 atau (4,6%).
Selanjutnya dilakukan normalisasi untuk masing-masing sub-kriteria. Semua sub-kriteria merupakan atribut keuntungan (benefit), dengan nilai lebih besar berarti lebih diprioritaskan.
Berikut perhitungan normalisasi menggunakan metode SAW dengan kriteria kondisi jalan:
r12 = 0,332 𝑚𝑎𝑥 (0,332 ;0,275 ;0,15 ;0,109 ;0,088 ;0,046) = 1,000 r22 = 0,275 𝑚𝑎𝑥 (0,332 ;0,275 ;0,15 ;0,109 ;0,088 ;0,046) = 0,827 r32 = 0,15 𝑚𝑎𝑥 (0,332 ;0,275 ;0,15 ;0,109 ;0,088 ;0,046) = 0,451 r42 = 0,109 𝑚𝑎𝑥 (0,332 ;0,275 ;0,15 ;0,109 ;0,088 ;0,046) = 0,328 r52 = 0,088 𝑚𝑎𝑥 (0,332 ;0,275 ;0,15 ;0,109 ;0,088 ;0,046) = 0,264 r62 = 0,046 𝑚𝑎𝑥 (0,332 ;0,275 ;0,15 ;0,109 ;0,088 ;0,046) = 0,138
Kemudian dilakukan perangkingan dengan menggunakan bobot yang telah didapatkan dari perhitungan menggunakan metode AHP sebelumnya.
Vn = (kriteria kondisi jalan*sub-kriteria kondisi jalan*ruas jalan)
Hasil yang diperoleh:
V1 = (1*1*0,25) + (1*0,827*0,25) + (1*0,451*0,25) + (1*0,328*0,25) +
(1*0,264*0,75) + (1*0,138*0,75) = 0,953
52 V2 = (1*1*0,25) + (1*0,827*0,25) + (1*0,451*0,25) + (1*0,328*0,25) + (1*0,264*0,75) + (1*0,138*0,75) = 0,953 V3 = (1*1*0,25) + (1*0,827*0,25) + (1*0,451*0,25) + (1*0,328*0,25) + (1*0,264*0,75) + (1*0,138*0,75) = 0,953 V4 = (1*1*0,25) + (1*0,827*0,25) + (1*0,451*0,25) + (1*0,328*0,25) + (1*0,264*0,5) + (1*0,138*0,75) = 0,887 V5 = (1*1*0,25) + (1*0,827*0,25) + (1*0,451*0,25) + (1*0,328*0,25) + (1*0,264*0,75) + (1*0,138*0,75) = 0,953 V6 = (1*1*0,25) + (1*0,827*0,25) + (1*0,451*0,25) + (1*0,328*0,25) + (1*0,264*0,75) + (1*0,138*0,75) = 0,953 V7 = (1*1*0,25) + (1*0,827*0,25) + (1*0,451*0,25) + (1*0,328*0,25) + (1*0,264*0,75) + (1*0,138*0,75) = 0,953 V8 = (1*1*0,75) + (1*0,827*0,75) + (1*0,451*0,25) + (1*0,328*0,25) + (1*0,264*1) + (1*0,138*1) = 1,967 V9 = (1*1*0,5) + (1*0,827*0,25) + (1*0,451*0,25) + (1*0,328*0,25) + (1*0,264*0,5) + (1*0,138*0,5) = 1,203 V10 = (1*1*0,25) + (1*0,827*0,25) + (1*0,451*0,25) + (1*0,328*0,25) + (1*0,264*0,5) + (1*0,138*0,5) = 0,853 V11 = (1*1*0,25) + (1*0,827*0,25) + (1*0,451*0,25) + (1*0,328*0,25) + (1*0,264*0,5) + (1*0,138*0,5) = 0,853 V12 = (1*1*0,5) + (1*0,827*0,25) + (1*0,451*0,25) + (1*0,328*0,25) + (1*0,264*1) + (1*0,138*1)
53 = 1,304 V13 = (1*1*0,25) + (1*0,827*0,25) + (1*0,451*0,25) + (1*0,328*0,25) + (1*0,264*0,75) + (1*0,138*0,5) = 0,919 V14 = (1*1*0,25) + (1*0,827*0,25) + (1*0,451*0,25) + (1*0,328*0,25) + (1*0,264*0,75) + (1*0,138*0,5) = 0,919 V15 = (1*1*0,5) + (1*0,827*0,25) + (1*0,451*0,25) + (1*0,328*0,25) + (1*0,264*0,75) + (1*0,138*0,75) = 1,203
3.6.4.3. Perhitungan Sub-Kriteria Volume Lalu Lintas
Dari tabel 3.16 dapat dilihat bahwa penilaian responden terhadap sub-kriteria menunjukkan bahwa truk ringan mempunyai pengaruh yang paling penting sebesar 0,308 atau (30,8%). Truk sedang atau berat sebesar 0,28 atau (28%). Mobil roda 4 sebesar 0,156 atau (15,6%). Bis sebesar 0,159 atau (15,9%). Sepeda motor jalan sebesar 0,098 atau (9,8%).
Selanjutnya dilakukan normalisasi untuk masing-masing sub-kriteria. Semua sub-kriteria merupakan atribut keuntungan (benefit), dengan nilai lebih besar berarti lebih diprioritaskan.
Berikut perhitungan normalisasi menggunakan metode SAW dengan sub-kriteria volume lalu lintas:
r13 = 0,308 𝑚𝑎𝑥 (0,308 ;0,280 ;0,156 ;0,159 ;0,098) = 1,000 r23 = 0,280 𝑚𝑎𝑥 (0,308 ;0,280 ;0,156 ;0,159 ;0,098) = 0,908 r33 = 0,156 𝑚𝑎𝑥 (0,308 ;0,280 ;0,156 ;0,159 ;0,098) = 0,056 r43 = 0,159 𝑚𝑎𝑥 (0,308 ;0,280 ;0,156 ;0,159 ;0,098) = 0,516 r53 = 0,098 𝑚𝑎𝑥 (0,308 ;0,280 ;0,156 ;0,159 ;0,098) = 0,318
Kemudian dilakukan perangkingan dengan menggunakan bobot yang telah didapatkan dari perhitungan menggunakan metode AHP sebelumnya.
54
Vn = (kriteria volume lalu lintas*sub-kriteria volume lalu lintas*ruas jalan)
Hasil yang diperoleh:
V1 = (0,684*1*0,038) + (0,684*0,908*0,012) + (0,684*0,506*0,178) + (0,684*0,516*0) + (0,684*0,0318*0,21) = 0,141 V2 = (0,684*1*0,016) + (0,684*0,908*0) + (0,684*0,506*0,073) + (0,684*0,516*0) + (0,684*0,0318*0,123) = 0,063 V3 = (0,684*1*0,028) + (0,684*0,908*0,004) + (0,684*0,506*0,095) + (0,684*0,516*0,002) + (0,684*0,0318*0,158) = 0,090 V4 = (0,684*1*0,044) + (0,684*0,908*0,002) + (0,684*0,506*0,244) + (0,684*0,516*0,008) + (0,684*0,0318*0,707) = 0,272 V5 = (0,684*1*0,032) + (0,684*0,908*0,016) + (0,684*0,506*0,212) + (0,684*0,516*0) + (0,684*0,0318*0,434) = 0,2 V6 = (0,684*1*0,01) + (0,684*0,908*0) + (0,684*0,506*0,079) + (0,684*0,516*0) + (0,684*0,0318*0,291) = 0,097 V7 = (0,684*1*0,016) + (0,684*0,908*0) + (0,684*0,506*0,192) + (0,684*0,516*0) + (0,684*0,0318*0,263) = 0,135 V8 = (0,684*1*0,012) + (0,684*0,908*0,0) + (0,684*0,506*0,087) + (0,684*0,516*0) + (0,684*0,0318*0,455) = 0,137 V9 = (0,684*1*0,02) + (0,684*0,908*0,0) + (0,684*0,506*0,065) + (0,684*0,516*0) + (0,684*0,0318*0,319) = 0,106 V10 = (0,684*1*0,04) + (0,684*0,908*0,004) + (0,684*0,506*0,214) + (0,684*0,516*0) + (0,684*0,0318*0,42) = 0,195
55 V11 = (0,684*1*0,057) + (0,684*0,908*0,002) + (0,684*0,506*0,081) + (0,684*0,516*0,004) + (0,684*0,0318*0,44) = 0,165 V12 = (0,684*1*0,004) + (0,684*0,908*0) + (0,684*0,506*0,034) + (0,684*0,516*0) + (0,684*0,0318*0,285) = 0,076 V13 = (0,684*1*0,1) + (0,684*0,908*0) + (0,684*0,506*0,135) + (0,684*0,516*0) + (0,684*0,0318*0,38) = 0,198 V14 = (0,684*1*0) + (0,684*0,908*0) + (0,684*0,506*0,02) + (0,684*0,516*0) + (0,684*0,0318*0,089) = 0,026 V15 = (0,684*1*0,002) + (0,684*0,908*0) + (0,684*0,506*0,16) + (0,684*0,516*0) + (0,684*0,0318*0,178) = 0,095
3.6.4.4. Perhitungan Sub-Kriteria Ekonomi
Dari tabel 3.20 dapat dilihat bahwa penilaian responden terhadap sub-kriteria menunjukkan bahwa manfaat/ kelayakan (NPV) mempunyai pengaruh yang paling penting sebesar 0,98 atau (90,8%). Estimasi biaya kegiatan sebesar 0,092 atau (9,2%).
Selanjutnya dilakukan normalisasi untuk masing-masing sub-kriteria. Semua sub-kriteria merupakan atribut keuntungan (benefit), dengan nilai lebih besar berarti lebih diprioritaskan.
Berikut perhitungan normalisasi menggunakan metode SAW dengan sub-kriteria ekonomi:
r14 = 0,092
𝑚𝑎𝑥 (0,98 ;0,0,092 ) = 0,101
r24 =
0,98
𝑚𝑎𝑥 (0,98 ;0,0,092 ) = 1,000
Kemudian dilakukan perangkingan dengan menggunakan bobot yang telah didapatkan dari perhitungan menggunakan metode AHP sebelumnya.
56 Hasil yang diperoleh:
V1 = (0,477*0,101*0,024) + (0,047*1*0,151) = 0,073 V2 = (0,477*0,101*0,024) + (0,047*1*0,0,6) = 0,03 V3 = (0,477*0,101*0,004) + (0,047*1*0,093) = 0,045 V4 = (0,477*0,101*0,015) + (0,047*1*0,402) = 0,192 V5 = (0,477*0,101*0,035) + (0,047*1*0,306) = 0,148 V6 = (0,477*0,101*0,049) + (0,047*1*0,141) = 0,07 V7 = (0,477*0,101*0,002) + (0,047*1*0,151) = 0,072 V8 = (0,477*0,101*0,333) + (0,047*1*1) = 0,493 V9 = (0,477*0,101*0,012) + (0,047*1*0,172) = 0,083 V10 = (0,477*0,101*0,002) + (0,047*1*0,276) = 0,132 V11 = (0,477*0,101*0,001) + (0,047*1*0,239) = 0,114 V12 = (0,477*0,101*1) + (0,047*1*0,458) = 0,267 V13 = (0,477*0,101*0,076) + (0,047*1*0,204) = 0,101 V14 = (0,477*0,101*0) + (0,047*1*00,15) = 0,007 V15 = (0,477*0,101*0,005) + (0,047*1*0,015) = 0,027
57
3.6.4.5. Perhitungan Sub-Kriteria Tata Guna Lahan
Dari tabel 3.25 dapat dilihat bahwa penilaian responden terhadap sub-kriteria menunjukkan bahwa bidang industri pertanian mempunyai pengaruh yang paling penting sebesar 0,374 atau (37,4%). Bidang pendidikan sebesar 0,294 atau (29,4%). Bidang pariwisata sebesar 0,146 atau (14,6%). Bidang perdagangan-jasa sebesar 0,186 atau (18,6%).
Selanjutnya dilakukan normalisasi untuk masing-masing sub-kriteria. Semua sub-kriteria merupakan atribut keuntungan (benefit), dengan nilai lebih besar berarti lebih diprioritaskan.
Berikut perhitungan normalisasi menggunakan metode SAW dengan sub-kriteria tata guna lahan:
r15 = 0,374 𝑚𝑎𝑥 (0,374 ;0,294 ;0,146 ;0,186) = 1,000 r25 = 0,294 𝑚𝑎𝑥 (0,374 ;0,294 ;0,146 ;0,186) = 0,786 r35 = 0,146 𝑚𝑎𝑥 (0,374 ;0,294 ;0,146 ;0,186) = 0,391 r45 = 0,186 𝑚𝑎𝑥 (0,374 ;0,294 ;0,146 ;0,186) = 0,498
Kemudian dilakukan perangkingan dengan menggunakan bobot yang telah didapatkan dari perhitungan menggunakan metode AHP sebelumnya.
Vn = (kriteria tata guna lahan*sub-kriteria tata guna lahan*ruas jalan)
Hasil yang diperoleh:
V1 = (0,202*1*1) + (0,202*0,786*1) + (0,684*0,391*1) + (0,684*0,498*1) = 0,540 V2 = (0,202*1*1) + (0,202*0,786*1) + (0,684*0,391*1) + (0,684*0,498*1) = 0,540 V3 = (0,202*1*0) + (0,202*0,786*1) + (0,684*0,391*1) + (0,684*0,498*1) = 0,338 V4 = (0,202*1*1) + (0,202*0,786*1) + (0,684*0,391*1) + (0,684*0,498*1) = 0,540 V5 = (0,202*1*1) + (0,202*0,786*1) + (0,684*0,391*0) + (0,684*0,498*1) = 0,461
58 V6 = (0,202*1*1) + (0,202*0,786*1) + (0,684*0,391*1) + (0,684*0,498*1) = 0,540 V7 = (0,202*1*1) + (0,202*0,786*1) + (0,684*0,391*0) + (0,684*0,498*1) = 0,461 V8 = (0,202*1*1) + (0,202*0,786*1) + (0,684*0,391*0) + (0,684*0,498*1) = 0,461 V9 = (0,202*1*1) + (0,202*0,786*1) + (0,684*0,391*0) + (0,684*0,498*1) = 0,461 V10 = (0,202*1*0) + (0,202*0,786*1) + (0,684*0,391*0) + (0,684*0,498*1) = 0,259 V11 = (0,202*1*1) + (0,202*0,786*0) + (0,684*0,391*0) + (0,684*0,498*1) = 0,303 V12 = (0,202*1*1) + (0,202*0,786*1) + (0,684*0,391*0) + (0,684*0,498*1) = 0,461 V13 = (0,202*1*1) + (0,202*0,786*1) + (0,684*0,391*0) + (0,684*0,498*1) = 0,461 V14 = (0,202*1*1) + (0,202*0,786*1) + (0,684*0,391*0) + (0,684*0,498*1) = 0,461 V15 = (0,202*1*1) + (0,202*0,786*1) + (0,684*0,391*0) + (0,684*0,498*1) = 0,461
3.6.4.6. Perhitungan Kriteria dan Sub-Kriteria Metode SAW Hasil yang diperoleh dari masing masing bobot dari sub-kriteria di atas, kemudian dijumlahkan. Hasilnya merupakan bobot terakhir dan dijadikan perangkingan untuk metode SAW
Tabel 3.31 Hasil Perhitungan SAW Skala Prioritas Penanganan Jalan dan Peringkat Prioritas Penanganan Jalan
No urut No.r ua s Na ma r ua s Perhitungan bobot Kondisi Ja lan Volume La lu Lint as Ekonomi Tata G una La ha n
59 1 78 Ledug-Dayurejo 0,953 0,141 0,73 0,54 2 80 Sukokilo-Ledug 0,953 0,063 0,03 0,54 3 81 Pecalukan-Ledug 0,953 0,09 0,045 0,338 4 100 Pakukerto-Jatiarjo 0,887 0,272 0,192 0,054 5 104 Plintahan-Ledug 0,953 0,2 0,148 0,461 6 130 Dayurejo-Talunogo 0,953 0,097 0,07 0,54 7 162 Sukokilo-Ketanireng 0,953 0,135 0,072 0,461 8 357 Wilo-Ketanireng 1,967 0,137 0,493 0,461 9 496 Watuagung-Gunting 1,203 0,106 0,083 0,461 10 94 Kalirejo-Kalianyar 0,853 0,195 0,132 0,259 11 109 Sidowayah-Kolursari 0,853 0,165 0,114 0,303 12 110 Kolursari-Banjarsari 1,304 0,076 0,267 0,461 13 140 Kairejo-Glanggang 0,919 0,198 0,101 0,461 14 489 Mangasan-Kradenan 0,919 0,026 0,007 0,461 15 494 Kolursari-Mojorejo 1,203 0,095 0,027 0,461
60
Tabel 3.32 Urutan SAW Skala Prioritas Penanganan Jalan dan Peringkat Prioritas Penanganan Jalan
No.Urut No Ruas Nama Ruas ∑Y Urutan
1 78 Ledug-Dayurejo 5,186 4 2 80 Sukokilo-Ledug 4,919 7 3 81 Pecalukan-Ledug 4,318 12 4 100 Pakukerto-Jatiarjo 5,624 3 5 104 Plintahan-Ledug 4,965 6 6 130 Dayurejo-Talunogo 5,134 5 7 162 Sukokilo-Ketanireng 4,623 9 8 357 Wilo-Ketanireng 6,554 1 9 496 Watuagung-Gunting 4,679 8 10 94 Kalirejo-Kalianyar 3,814 14 11 109 Sidowayah-Kolursari 3,743 15 12 110 Kolursari-Banjarsari 6,095 2 13 140 Kalirejo-Glanggang 4,557 11 14 489 Mangasan-Kradenan 4,013 13 15 494 Kolursari-Mojorejo 4,594 10