PENERAPAN ANALYTICAL HIERARCHY PROCESS
DALAM MEMILIH MOBIL PADA PORTAL OTOMOTIF INDONESIA
Oleh :
Nama : Basuki Rahmad NIM : 98.41010.5007 Program : S1 (Strata Satu) Jurusan : Sistem Informasi
SEKOLAH TINGGI
MANAJEMEN INFORMATIKA & TEKNIK KOMPUTER SURABAYA
ix
ABSTRAKSI ... vi
KATA PENGANTAR ... vii
DAFTAR ISI ... ix
DAFTAR TABEL ... xi
DAFTAR GAMBAR ... xii
DAFTAR LAMPIRAN ... xiv
BAB I PENDAHULUAN ... 1
1.1 Latar Belakang Masalah ... 1
1.2 Perumusan Masalah ... 4
1.3 Batasan Masalah ... 4
1.4 Tujuan ... 5
1.5 Sistematika Penulisan ... 5
BAB II LANDASAN TEORI ... 6
2.1 Manusia dan Pengambilan Keputusan ... 6
2.2 Analytical Hierarchy Process ... 7
BAB III METODE PENELITIAN ... 22
3.1 Rancangan ... 22
3.2 Proses ... 45
3.3 Cara Pengujian ... 57
BAB IV IMPLEMENTASI DAN EVALUASI ... 59
4.1 Implementasi ... 59
x
BAB V PENUTUP ... 79
5.1 Kesimpulan ... 79
5.2 Saran ... 80
DAFTAR PUSTAKA ... 81
BIODATA ... 82
1
1.1 Latar Belakang Masalah
Dewasa ini, Teknologi Informasi sudah banyak diterapkan diberbagai bidang, baik yang stand alone maupun yang online. Salah satu contoh penerapan Teknologi Informasi yang bersifat online atau lebih dikenal berbasis web adalah transaksi jual beli mobil baru atau Portal Otomotif. Bebarapa portal yang disurvey yaitu tiga portal yang menyediakan mobil dari berbagai tipe dan merek, dan lebih dari sepuluh portal yang menyediakan mobil berbagai tipe dari satu merek, dapat disimpulkan bahwa portal tersebut hanyalah memberikan fasilitas transaksi jual beli saja kepada user dengan langsung memilih mobil yang dimaksud. Fasilitas tambahan dari portal tersebut hanya rincian informasi yang berkaitan dengan mobil tersebut. Dari banyaknya pilihan dan kriteria mobil yang tersedia, konsumen dihadapkan ke dalam masalah bagaimana memilih mobil yang sesuai keinginannya. Beberapa portal yang lebih bagus, menyediakan fasilitas tambahan untuk membandingkan salah satu mobil dengan beberapa mobil yang lain, namun fasilitas tersebut hanyalah sekedar membandingkan saja tanpa memberikan solusi, mobil yang mana yang lebih baik dari beberapa mobil yang dibandingkan (www.oto.co.id , www.nissan.co.id).
2
dirugikan, maka akhirnya pemilik portal juga akan mengalami kerugian karena konsumen tersebut tidak akan membeli mobil lagi lewat portalnya.
Sebaliknya, bilamana portal tersebut juga menyediakan fasilitas yang dapat membantu dalam hal pengambilan keputusan bagi para konsumen calon pembeli mobil, untuk memudahkan memilih mobil yang dimaksud. Dimana informasi yang terkait dengan mobil dikelompokkan dalam kriteria-kriteria, tentunya kepuasan konsumen akan tercapai karena dengan fasilitas tersebut, konsumen tidak perlu dibuat pusing dan bingung lagi, bahkan dapat menghemat waktu, tenaga dan mungkin juga biaya untuk mencari dan mengumpulkan informasi mengenai kelebihan dan kekurangan dari mobil yang akan dibelinya. Dengan kepuasan itu, tentunya diharapkan konsumen tersebut akan melakukan transaksi lagi. Atau setidaknya, konsumen itu mungkin akan menyebarkan informasi mengenai kelebihan portal itu kepada orang lain. Dengan kata lain fasilitas tersebut merupakan salah satu promosi dalam meningkatkan pemasaran.
Sebenarnya terdapat banyak model-model pengambilan keputusan yang dapat membantu permasalahan di atas. Salah satu model tersebut adalah
tersebut diatur menjadi suatu bentuk hirarki. Kriteria-kriteria yang dikelompokkan dalam hirarki tersebut, kemudian diberi bobot atau nilai yang sudah ditentukan dalam metode AHP yaitu dari skala 1 sampai 9 yang disajikan dalam bentuk matriks yang lebih sering disebut Pairwise Comparison Matrix.
Kelebihan dari metode AHP dibanding model pengambilan keputusan yang lain adalah jenis inputnya yaitu kuantitatif dan kualitatif sekaligus, memakai persepsi manusia yang dianggap expert. Dapat memecahkan masalah yang
multiobjective (banyak tujuan yang dicapai) dengan berdasarkan multicriteria (banyak aspek pengukuran atau kriteria). Bentuk dan perhitungannya sederhana serta memiliki sifat fleksibilitas yang tinggi dalam pembuatan hirarkinya.
Metode ini sudah banyak digunakan di berbagai negara di dunia, baik masalah pemerintahan, bisnis maupun akademik. Sebagai salah satu contoh, mahasiswa STIKOM juga menggunakan metode ini dalam penyelesaian Tugas Akhirnya dengan Judul Sistem Pengambilan Keputusan Pemilihan Perguruan Tinggi Dengan Menggunakan Metode Analytical Hierarchy Process, oleh Vicky M. Taufik tahun 2002. Di dalam sistem tersebut dijabarkan bagaimana metode AHP digunakan untuk membantu calon mahasiswa dalam memilih Perguruan Tinggi yang sesuai. Kriteria yang dipakai ada enam yaitu Proses Belajar Mengajar, Kualitas Dosen Pengajar, Lingkungan Perguruan Tinggi, Kehidupan Perguruan Tinggi, Sarana dan Prasarana, Pendidikan Kejuruan Spesialis. Alternatifnya ada tiga Perguruan Tinggi yaitu STIKOM, STTS dan PETRA.
4
1.2 Perumusan Masalah
Dari pembahasan latar belakang permasalahan di atas, maka timbul permasalahan yang dapat dirumuskan sebagai berikut :
“ Bagaimana menerapkan model AHP dalam aplikasi pengambilan keputusan untuk membantu konsumen calon pembeli mobil dalam hal menentukan pilihan mobil secara tepat pada portal otomotif ”.
1.3 Pembatasan Masalah
Batasan permasalahan dari aplikasi yang akan dirancang adalah sebagai berikut :
1. Pembahasan yang dilakukan lebih menitikberatkan pada pengambilan keputusan dengan menggunakan metode AHP.
2. Aplikasi perangkat lunak berbasis web.
3. Perangkat lunak tersebut diperuntukkan bagi konsumen calon pembeli mobil (user) untuk menentukan pemilihan mobil baru yang sejenis berdasarkan kategori yang disediakan sistem antara lain : van, sedan, jeep, atau city car. 4. Menentukan pemilihan mobil sesuai dengan tipe dan merek mobil yang
disediakan sistem.
5. Dalam program aplikasi ini, user berhak memilih minimal tiga kriteria dan maksimal lima belas kriteria, serta minimal tiga alternatif dan maksimal sepuluh alternatif.
1.4 Tujuan
Tujuan yang akan dicapai dalam Tugas Akhir ini adalah Menerapkan model AHP dalam pembuatan perangkat lunak berbasis web yang berfungsi sebagai pendukung keputusan bagi konsumen calon pembeli mobil (user) dalam menentukan pilihan mobil yang sesuai dari beberapa alternatif yang disediakan.
1.5 Sistematika Penulisan
Penulisan tugas akhir ini dibagi dalam 5 bab yaitu : BAB I PENDAHULUAN
Bab ini mencakup tentang Latar Belakang Masalah, Perumusan Masalah, Pembatasan Masalah, Tujuan, dan Sistematika Penulisan.
BAB II LANDASAN TEORI
Bab ini berisi teori yang berhubungan dengan materi Tugas Akhir seperti teori tentang Manusia dan Pengambilan Keputusan dan teori tentang AHP secara keseluruhan.
BAB III METODE PENELITIAN
Bab ini membahas perancangan sistem AHP untuk menentukan pemilihan mobil, mulai dari Flow Chart, Data Flow Diagram, E-R Diagram dan struktur data base-nya, sampai uji coba sistem.
BAB IV IMPLEMENTASI DAN EVALUASI
Bab ini membahas hasil implementasi dari bab III, hasil uji coba dan sekaligus evaluasinya.
BAB V PENUTUP
6
BAB II
LANDASAN TEORI
2.1 Manusia dan Pengambilan Keputusan
Setiap detik, setiap saat, manusia selalu dihadapkan dengan masalah
pengambilan keputusan baik yang maha penting maupun yang sepele.
Bagaimanapun sepelenya suatu masalah pengambilan keputusan, otak manusia
tetap melakukan suatu proses tertentu sampai didapatkan sebuah keputusan pasti.
Benar tidaknya atau baik tidaknya suatu keputusan akan sangat bergantung pada
bagaimana seorang individu mendayagunakan otaknya dan sejauh mana si
individu mengerti suatu permasalahan (Permadi, 1992:1).
Pada dasarnya, otak manusia terbagi atas dua bagian : otak kanan dan
otak kiri. Otak kanan mencakup hal-hal yang berkaitan dengan perasaan manusia,
pengalaman, naluri atau insting dan hal-hal yang berkaitan dengan emosi dan
perasaan manusia. Sedangkan otak kiri manusia mencakup hal-hal yang sifatnya
logis dan dapat dijelaskan dengan bukti yang kuat. Dalam proses pengambilan
keputusan, pada umumnya banyak digunakan kombinasi dari otak kiri dan kanan
meskipun tidak dapat disangkal adanya kemungkinan bahwa hanya salah satu
bagian otak yang berperan. Proses pengambilan keputusan dalam otak manusia
pada dasarnya adalah memilih suatu aleternatif dari sekian banyak alternatif
berdasarkan sejumlah kriteria dari suatu permasalahan.
Karena permasalahan di dunia nyata semakin kompleks dan makin sukar
dibayangkan oleh otak manusia maka para ahli mulai mengembangkan
keputusan. Metode-metode itu kemudian lebih dikenal dengan sebutan model
pengambilan keputusan.
2.2 Analytical Hierarchy Process
Analytical Hierarchy Process yang selanjutnya disebut AHP merupakan
suatu metode yang dikembangkan oleh Thomas Lorie Saaty. AHP merupakan
salah satu bentuk model pengambilan keputusan yang pada dasarnya berusaha
menutupi semua kekurangan dari model-model sebelumnya. Peralatan utama dari
model ini adalah sebuah hirarki fungsional dengan input utamanya persepsi
manusia. Dengan hirarki, suatu masalah yang kompleks dan tidak terstruktur
dipecah ke dalam kelompok-kelompok dan kemudian kelompok-kelompok
tersebut diatur menjadi suatu bentuk hirarki (Permadi, 1992:5)
Perbedaan mencolok antara model AHP dengan model pengambilan
keputusan lainnya terletak pada jenis inputnya. Model-model yang sudah ada
umumnya memakai input yang kuantitatif atau berasal dari data sekunder.
Otomatis, model tersebut hanya dapat mengolah hal-hal kuantitatif pula. Model
AHP memakai persepsi manusia yang dianggap expert sebagai input utamanya.
Kriteria expert disini bukan berarti bahwa orang tersebut haruslah jenius, pintar,
bergelar doktor dan sebagainya tetapi lebih mengacu pada orang yang mengerti
benar permasalahan yang diajukan, merasakan akibat suatu masalah atau punya
kepentingan terhadap masalah tersebut.
Model AHP tergolong suatu model pengambilan keputusan yang
komprehensif, karena dapat memperhitungkan hal-hal kuantitatif dan kualitatif
sekaligus. Kelebihan lain model AHP terletak pada kemampuannya memecahkan
8
berdasarkan multicriteria (ada banyak aspek pengukuran atau kriteria). Disamping
kelebihan yang dimilikinya, AHP juga memiliki kelemahan yang dapat berakibat
fatal. Ketergantungan model ini pada input berupa persepsi seorang expert akan
membuat hasil akhir dari model ini menjadi tidak ada artinya apabila si expert
memberikan penilaian yang keliru. Kelemahan lain yang sebenarnya bisa disebut
kelebihan terletak pada bentuknya sendiri yang terlihat sangat sederhana. Bagi
para pengambil keputusan yang terbiasa dengan model-model kuantitatif yang
rumit, akan menganggap bahwa bentuk model AHP yang terlihat sederhana
bukanlah model yang cocok untuk pengambilan keputusan. Mereka berpendapat,
semakin rumit suatu model dan semakin banyak perhitungan yang dilakukan
maka makin tinggi keakuratan model tersebut, namun tanpa mereka sadari bahwa
model yang rumit tadi belum menyinggung hal-hal yang kualitatif. Disinilah letak
kelebihan AHP, karena untuk pengambil keputusan tingkat tinggi yang biasanya
adalah orang sibuk, model AHP dapat dengan cepat dimengerti dan apabila
mereka ingin melakukan simulasi adanya perubahan pada salah satu elemen, maka
dengan mudah dapat dilakukan analisa sensitivitas.
Prinsip-prinsip yang harus dipahami dalam menyelesaikan persoalan
dengan AHP (Mulyono, 1996:108; Saaty, 1988:118) yaitu :
1. Decomposition.
2. Comperative Judgment.
3. Synthesis of Priority.
4. Logical Consistency.
Selain harus memahami prinsip-prinsip tersebut di atas, AHP juga
tidak dapat dibantah kebenarannya atau yang pasti terjadi. Aksioma yang
berhubungan dengan kehidupan sehari-hari, misalnya matahari terbit dari timur
dan terbenam di barat.
Ada empat buah aksioma yang harus diperhatikan para pemakai model
AHP dan pelanggaran dari setiap aksioma berakibat tidak validnya model yang
dipakai (Permadi, 1992:18; Saaty, 1988:116). Keempat aksioma tersebut adalah :
1. Reciprocal Comparison artinya si pengambil keputusan harus bisa membuat
perbandingan dan menyatakan preferensinya. Preferensi itu sendiri harus
memenuhi syarat resiprokal yaitu kalau A lebih disukai dari B dengan skala x,
maka B lebih disukai dari A dengan skala 1/x. Tidak dipenuhinya aksioma ini
menunjukkan bahwa pertanyaan yang digunakan untuk menyatakan preferensi
dari sepasang elemen yang dibandingkan tidak tepat atau tidak jelas.
2. Homogeneity artinya preferensi seseorang harus dapat dinyatakan dalam skala
terbatas atau dengan kata lain, elemen-elemennya dapat dibandingkan satu
sama lain. Kalau aksioma ini tidak dipenuhi maka elemen-elemen yang
dibandingkan tersebut tidak homogenous dan harus dibentuk suatu cluster
(kelompok elemen-elemen) yang baru.
Aksioma ini menjelaskan keterbatasan otak manusia dalam membuat
perbandingan-perbandingan terutama untuk elemen-elemen yang kurang jelas
hubungannya satu sama lain atau perbedaannya terlalu besar. Sebagai contoh,
kita tidak dapat membandingkan dalam satu himpunan, kelereng dengan
anggur kalau kriteria pengukurannya adalah rasa. Kedua benda tersebut baru
dapat dibandingkan dalam satu himpunan kalau kriteria pengukurannya adalah
10
3. Independence artinya preferensi dinyatakan dengan mengasumsikan bahwa
kriteria tidak dipengaruhi oleh alternatif-alternatif yang ada melainkan oleh
obyektif secara keseluruhan. Ini menunjukkan bahwa pola ketergantungan
atau pengaruh dalam model AHP adalah searah ke atas. Artinya perbandingan
antara elemen-elemen dalam satu level dipengaruhi atau tergantung oleh
elemen-elemen dalam level di atasnya.
4. Expectations artinya untuk tujuan pengambilan keputusan, struktur hirarki
diasumsikan lengkap. Apabila asumsi ini tidak dipenuhi maka si pengambil
keputusan tidak memakai seluruh kriteria dan atau obyektif yang tersedia atau
diperlukan sehingga keputusan yang diambil dianggap tidak lengkap.
Pelanggaran dari aksioma 3, tidak seperti aksioma lainnya, dimungkinkan
dalam AHP dengan bentuk hirarkinya non linier. Dalam hirarki non linier ini
mungkin terjadi hubungan timbal balik antara kriteria dan alternatif, sehingga
mungkin saja pemilihan kriteria dipengaruhi oleh alternatif. Pemecahan untuk
masalah ini dilakukan dengan generalisasi dari model AHP yang biasa disebut
metode supermatriks.
2.2.1 Decomposition
Decomposition adalah proses menganalisa permasalahan riil dalam
struktur hirarki atas unsur-unsur pendukungnya. Struktur hirarki secara umum
dalam AHP sebagai berikut :
Jenjang 1 : Goal atau Tujuan
Jenjang 2 : Kriteria
Jenjang 3 : Subkriteria (Optional)
Misalkan terdapat suatu masalah pemilihan mobil, dengan data-data awal seperti
tabel 2.1. (Foster dan LaCava, 2002). Setelah dianalisa, diputuskan hirarki yang
terbentuk seperti gambar 2.1. dengan model :
- Goal (Tujuan) : Pemilihan Mobil Terbaik
- Kriteria : Harga, Jarak Per Liter (JPL), Kenyamanan (Mesin dan
Radio/Tape), Model (Jumlah Pintu dan Interior)
- Alternatif : Mobil A, Mobil B, Mobil C
Tabel 2.1. Data-data Riil Mobil
Mobil A Mobil B Mobil C
Harga 180.000.000 160.000.000 150.000.000
JarakPerLiter 8 10 12
Interior Deluxe Diatas rata-rata Standart
Jumlah Pintu 4 – Pintu 2 – Pintu 2 – Pintu
Radio/Tape AM/FM, Tape AM/FM AM
Mesin/CC 2.000 1.800 1.600
Gambar 2.1.Struktur Hirarki Pemilihan Mobil
2.2.2 Comperative Judgment
Prinsip ini berarti membuat suatu penilaian tentang kepentingan relatif
antara dua elemen pada suatu tingkat tertentu. Penilaian ini adalah inti dari AHP
karena ia akan berpengaruh terhadap prioritas elemen-elemen. Hasil dari penilaian Pemilihan Mobil Terbaik
Harga JPL Kenyamanan
Tujuan
Kriteria
Alternatif
Model
12
ini akan tampak lebih mudah bila disajikan dalam bentuk matriks yang disebut
Pairwise Comparison Matrix. Adapun Skala Prioritas yang dipakai ditunjukkan
dalam tabel 2.2 (Permadi, 1992:9). Agar diperoleh skala yang bermanfaat ketika
membandingkan dua elemen, seseorang yang akan memberikan jawaban perlu
mengerti secara menyeluruh tentang elemen-elemen yang dibandingkan dan
relevansinya terhadap kriteria atau tujuan yang dipelajari.
Tabel 2.2. Skala Perbandingan
Skala Derajat Preferensi
1 Sama penting
3 Moderat lebih penting
5 Kuat lebih penting
7 Sangat kuat lebih penting
9 Mutlak lebih penting
2,4,6,8 Skala diantara nilai-nilai tersebut Resiprokal Nilai kebalikan dari preferensi
Jika terdapat n elemen, maka akan diperoleh matriks perbandingan
berukuran n x n. Perbandingan elemen dengan elemen itu sendiri akan
menghasilkan nilai 1, sehingga akan terbentuk matriks diagonal yang bernilai 1.
Banyaknya penilaian yang diperlukan dalam menyusun matriks adalah n(n-1)/2.
Nilai perbandingan tersebut kemudian dimasukkan ke dalam matriks dibagian
kanan-atas diagonal, sedangkan bagian kiri-bawah diagonal merupakan kebalikan
atau resiprokal dari nilai perbandingan yang dibuat (aij = 1/aji) (Permadi, 1992:24).
Dalam kaitannya dengan contoh pemilihan mobil, maka untuk membuat
matriks perbandingan, harus ditetapkan dulu prioritas-prioritasnya sebagai
berikut :
1. Prioritas dari empat kriteria dalam batas Goal atau Tujuannya.
3. Prioritas dari tiga mobil dalam batas ukuran Jarak Per Liter (JPL).
4. Prioritas dari tiga mobil dalam batas ukuran Kenyamanan.
5. Prioritas dari tiga mobil dalam batas ukuran Model.
Sebagai salah satu contoh untuk membuat matriks pairwaise dalam batas
Goal atau Tujuan, karena elemen = 4 (Harga, JPL, Kenyamanan, Model) maka
akan diajukan 6 pertanyaan :
1. Berapa tingkat kepentingan JarakPerLiter (JPL) dengan Harga ?
2. Berapa tingkat kepentingan Kenyamanan dengan Harga ?
3. Berapa tingkat kepentingan Model dengan Harga ?
4. Berapa tingkat kepentingan Kenyamanan dengan JPL ?
5. Berapa tingkat kepentingan Model dengan JPL ?
6. Berapa tingkat kepentingan Model dengan Kenyamanan ?
Misalkan dari 6 pertanyaan tersebut didapat jawaban 3, 2, 2, 0.25, 0.25 dan 0.5,
berarti faktor JPL mempunyai prioritas 3 kali lebih penting dari pada faktor Harga
dan seterusnya. Cara yang sama juga digunakan untuk membuat matriks-matriks
yang lain sehingga akan diperoleh matriks seperti tabel 2.3 (Foster dan LaCava,
2002).
Tabel 2.3. Matriks Perbandingan yang membandingkan tiga mobil dari berbagai
kriteria, dan Matriks Perbandingan yang membandingkan empat kriteria dalam seleksi mobil
Harga Mobil A Mobil B Mobil C
Mobil A 1 0.333333 0.25
Mobil B 3 1 0.5
Mobil C 4 2 1
JPL Mobil A Mobil B Mobil C
Mobil A 1 0.25 0.166667
Mobil B 4 1 0.333333
14
Kenyamanan Mobil A Mobil B Mobil C
Mobil A 1 2 8
Mobil B 0.5 1 6
Mobil C 0.125 0.166667 1
Model Mobil A Mobil B Mobil C
Mobil A 1 0.333333 4
Mobil B 3 1 7
Mobil C 0.25 0.142857 1
Kriteria Harga JPL Kenyamanan Model
Harga 1 3 2 2
JPL 0.33 1 0.25 0.25
Kenyamanan 0.5 4 1 0.5
Model 0.5 4 2 1
2.2.3 Synthesis of Priority
Dari setiap matriks yang dibuat sesuai prioritasnya masing-masing, tahap
berikutnya adalah menghitung Bobot Prioritas atau Vektor Prioritas (Eigenvector)
masing-masing matriks. Eigenvector adalah sebuah vektor yang apabila dikalikan
sebuah matriks, hasilnya adalah vektor itu sendiri dikalikan dengan sebuah
bilangan skalar atau parameter yang disebut Eigenvalue (Permadi, 1992:11; Saaty,
1988:50). Apabila matriks perbandingan diberi notasi A, eigenvector w, dan
eigenvalue n maka dapat ditulis: A.w = n.w ………… (1)
Hubungan antara Eigenvector dan Eigenvalue dapat dijelaskan sebagai
berikut (Permadi, 1992:132) :
Gambar 2.2.Hubungan antara Eigenvector dan Eigenvalue
X AX
Bila terdapat vektor kolom X yang mempunyai besar dan arah, lalu
dikalikan dengan matriks A yang jumlah kolomnya sama dengan jumlah baris
vektor kolom tersebut maka akan dihasilkan sebuah vektor baru AX yang
seharusnya mempunyai besaran dan arah yang berbeda dengan vektor X, seperti
ditunjukkan gambar 2.2a. Ternyata perkalian matriks A dengan vektor X tersebut
menghasilkan vektor baru dengan arah yang persis sama dengan vektor X, hanya
besarnya saja berbeda beberapa kali dari vektor X. Hubungan ini dapat dinyatakan
sebagai : AX = X. Dimana vektor X disebut eigenvector dan disebut
eigenvalue.
Eigenvector ini biasa disebut sebagai vektorkarakteristik dari sebuah
matriks bujur sangkar sedangkan eigenvalue merupakan akar karakteristik dari
matriks tersebut. Metode inilah yang akhirnya dipakai sebagai alat pengukur
bobot perioritas setiap matriks perbandingan dalam model AHP karena sifatnya
yang lebih akurat dan memperhatikan semua interaksi antar elemen dalam
matriks. Kelemahan metode ini adalah sulit dikerjakan secara manual terutama
apabila matriksnya terdiri dari tiga elemen atau lebih sehingga harus dibuat suatu
program komputer untuk memecahkannya. Penghitungan secara manual hanya
dapat dilakukan dengan mulus apabila matriksnya berukurun 2 x 2.
Berikut ini adalah contoh untuk menentukan bobot prioritas dari matriks
perbandingan 2 x 2 (Permadi, 1992:12-13).
1 1/3
3 1 II
I II I
A
Penyelesaian dengan metode eigenvector dan eigenvalue dimulai dengan
16
kemudian A . w . w = 0 ………… (2)
(A I) . w = 0 ………… (3)
penambahan I pada persamaan (3) dilakukan untuk mempermudah solusi
matematis tanpa mengubah bentuk dari persamaan (2). Sifat perkalian dengan I
(matriks identitas) dari sebuah matriks sama dengan perkalian dengan 1 pada
bilangan biasa. Langkah selanjutnya adalah memasukkan anga-angka ke dalam
persamaan (3) sehingga menjadi :
yang menghasilkan nol, maka hanya boleh ada satu unsur yang mempunyai nilai
nol. Dari persamaan di atas tersebut maka vektor kolom w yang terdiri dari w1 dan
w2 tidak boleh mempunyai nilai nol karena vektor itulah yang hendak ditentukan
berapa besarnya dan tidak mungkin mengandung nilai nol. Karenanya, matriks di
sebelah kiri vektor w-lah yang harus mempunyai nilai nol. Sebuah matriks dapat
dianggap mempunyai nilai nol apabila matriks tersebut linearly dependent dengan
nilai determinan sama dengan nol sehingga matriks inversinya tidak bisa
didefinisikan. Dengan dasar tersebut, kita bisa mencari eigenvalue dengan cara :
Diantara kedua nilai ini diambil hanya satu yaitu eigenvalue maksimal
karena eigenvalue maksimal akan mengurangi tingkat inkonsistensi matriks
sampai seminimum mungkin. Dengan mengambil nilai yang terbesar yaitu 2 maka
bentuk persamaan matriksnya menjadi :
Karena bentuk matriksnya linearly dependent maka kita tidak dapat
mencari nilai w1 dan w2 dengan eliminasi atau substitusi biasa. Cara yang dipakai
adalah proses normalisasi dimana dari kedua persamaan di atas didapatkan
hubungan w1 dan w2 dalam bentuk : w1 = 3w2, dengan asumsi :
Dengan memakai prinsip normalisasi tersebut, maka :
w12 + w22 = 1
jumlahnya akan melebihi satu, yang berarti tidak sesuai dengan prinsip total bobot
prioritas. Karena itu, perlu dilakukan normalisasi dengan pengertian yang berbeda
dengan normalisasi yang dibahas di atas. Normalisasi disini hanyalah sebuah
usaha untuk membuat jumlah total sama dengan satu. Dengan prinsip tersebut,
18
yaitu 1,28. Maka didapatkan hasil akhir berupa w1 = 0,75 dan w2 = 0,25, kondisi
ini sesuai dengan prinsip total bobot prioritas.
Secara matematis, perhitungan bobot prioritas di atas cukup panjang,
namun secara sederhana dapat digambarkan sebagai berikut. Pertama, jumlahkan
masing-masing kolom dari matriks perbandingan. Kemudian bagi setiap elemen
dalam suatu kolom dengan jumlah kolom tersebut dan lakukan hal sama untuk
setiap kolom. Kemudian elemen baru yang dihasilkan dari pembagian tersebut
dijumlahkan menurut baris. Setelah itu dicari total dari jumlah elemen setiap baris,
kemudian lakukan pembagian dari jumlah setiap baris terhadap totalnya agar
didapatkan prioritas terakhir setiap elemen dengan total bobot prioritas sama
dengan satu (Permadi, 1992:11; Saaty, 1988:21; McBride, 2003).
Sebagai salah satu contoh untuk menghitung Vektor Prioritas dari
Matriks Kenyamanan dapat dilihat pada gambar 2.3 (Foster dan LaCava, 2002).
Kenyamanan Mobil A Mobil B Mobil C
Mobil A 1 2 8
Mobil B 0.5 1 6
Mobil C 0.125 0.167 1
1.625 3.167 15
Kenyamanan Mobil A Mobil B Mobil C Mobil A 0.615 0.632 0.533
Mobil B 0.308 0.316 0.400
Mobil C 0.077 0.053 0.067
1 1 1
Langkah 1 : Tambahkan kolom dari matriks pairwise yang dibandingkan
Langkah 2: Bagi elemen (langkah 1) dengan jumlah kolomnya +
1 / 1.625
Kenyamanan Mobil A Mobil B Mobil C
Mobil A 0.615 0.632 0.533 1.780
Mobil B 0.308 0.316 0.400 1.023
Mobil C 0.077 0.053 0.067 0.196
1 1 1 3
Mobil A 0.593
Mobil B 0.341
Mobil C 0.065
Gambar 2.3.Proses Sintesa Vektor Prioritas Kenyamanan
Selain menghitung vektor prioritas Kenyamanan di atas, vektor prioritas
dari kriteria yang lain dan vektor prioritas dari semua kriteria juga dihitung
dengan cara yang sama dengan hasil seperti terlihat pada tabel 2.4. dan tabel 2.5.
Tabel 2.4. Vektor Prioritas dari Kriteria Harga, JPL, dan Model
Vektor Prioritas Harga JPL Model Mobil A 0.123 0.087 0.265
Mobil B 0.32 0.274 0.655
Mobil C 0.557 0.639 0.08
Tabel 2.5. Vektor Prioritas dari Semua Kriteria (Prioritas Goal)
Kriteria Vektor Prioritas
Harga 0.398
JPL 0.085
Kenyamanan 0.218
Model 0.299
Setelah semua vektor prioritas dihitung, maka tahap terakhir adalah
membangun prioritas rangking dengan cara perkalian matriks antara vektor
prioritas dari empat kriteria dengan vektor prioritas goal (Foster dan LaCava,
2002; McBride, 2003).
Prioritas Mobil A =0.398(0.123)+0.085(0.087)+0.218(0.593)+0.299(0.265)=0.265 Prioritas Mobil B =0.398(0.320)+0.085(0.274)+0.218(0.341)+0.299(0.655)=0.421 Prioritas Mobil C =0.398(0.557)+0.085(0.639)+0.218(0.065)+0.299(0.080)=0.314 Langkah 3 : Jumlahkan tiap baris lalu cari totalnya
Langkah 4 :
Bagi elemen hasil penjumlahan tiap baris pada langkah 3 dengan totalnya
20
Dari hasil perhitungan tersebut maka diperoleh alternatif final rangking :
Mobil B 0.421
Mobil C 0.314
Mobil A 0.265
1
2.2.4 Logical Consistency
Hasil proses dari AHP, terutama ditentukan dengan nilai komponen dari
matriks perbandingan. Penentuan nilai preferensi antar elemen harus secara
konsisten logis, yang dapat diukur dengan menghitung Consistency Index (CI)
yaitu : CI = (max-n)/(n-1), kemudian diubah ke dalam bentuk Consistency Ratio
(CR) dengan cara membaginya dengan Random Index (RI), jadi CR = CI/RI
(Saaty, 1988:21). max merupakan eigenvalue maksimal dan n ukuran matriksnya.
Eigenvalue maksimal suatu matriks tidak akan lebih kecil dari nilai n sehingga
tidak mungkin ada nilai CI yang negatif. Makin dekat eigenvalue maksimal
dengan besarnya matriks, makin konsisten matriks tersebut, dan apabila sama
besarnya maka matriks tersebut konsisten 100% atau inkonsisten 0%.
Random Index (RI) menyatakan rata-rata konsistensi dari matriks
perbandingan berukuran 1 sampai 15 yang didapatkan dari suatu eksperimen oleh
Oak Ridge National Laboratory dan kemudian dilanjutkan oleh Wharton School.
Berikut ini Random Index untuk matriks berukuran 1 sampai 15 (Saaty, 1988:21) :
n 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
RI 0 0 0.58 0.90 1.12 1.24 1.32 1.41 1.45 1.49 1.51 1.48 1.56 1.57 1.59
Batasan diterima tidaknya konsistensi suatu matriks sebenarnya tidak ada yang
baku, hanya menurut beberapa eksperimen dan pengalaman, tingkat inkonsistensi
Jadi, bila nilai CR <= 0.1 maka hasil preferensi cukup baik, sebaliknya CR > 0.1
terdapat inkonsistensi (hasil proses AHP tidak valid), sehingga harus ada revisi
penilaian karena tingkat inkonsistensi yang terlalu besar dapat menjurus pada
suatu kesalahan.
Untuk menghitung CI dari kasus pemilihan mobil, maka harus dihitung
terlebih dahulu nilai max (nilai maksimal eigenvalue dari matriks).
Kriteria Harga JPL Kenyamanan Model Prioritas Vektor
Harga 1 3 2 2 0.398
JPL 0.33 1 0.25 0.25 0.085
Kenyamanan 0.5 4 1 0.5 0.218
Model 0.5 4 2 1 0.299
=1(0.398)+3(0.085)+2(0.218)+2(0.299)=1.687/0.398 = 4.236
=0.33(0.398)+1(0.085)+0.25(0.218)+0.25(0.299)=0.347/0.085 = 4.077
=0.5(0.398)+4(0.085)+1(0.218)+0.5(0.299)=0.907/0.218 = 4.163
=0.5(0.398)+4(0.085)+2(0.218)+1(0.299)=1.274/0.299 = 4.246 +
16.740/4
max = 4.185
CI = 4.185 - 4 = 0.062 4 - 1
22 BAB III
METODE PENELITIAN
Analytical Hierarchy Process yang selanjutnya disebut AHP adalah suatu model pengambilan keputusan untuk memecahkan masalah penentuan pilihan yang multiobjective (ada banyak tujuan yang dicapai) diantara beberapa kriteria kuantitatif dan kualitatif sekaligus (Permadi, 1992:5). Metode Penelitian yang digunakan dalam menyelesaikan masalah AHP sebagai berikut :
1. Rancangan, meliputi pembuatan Model Sistem, Data Flow Diagram, dan E-R Diagram beserta struktur databasenya.
2. Proses, berisi Flow Chart, penjelasan pengisian matriks perbandingan, penghitungan bobot prioritas dan konsistensi logis untuk diproses di dalam database.
3. Cara Pengujian, berisi rancangan percobaan sistem.
3.1 Rancangan
Dalam melakukan analisis terhadap permasalahan, maka dibuat beberapa tahapan rancangan yang meliputi pembuatan Model Sistem, Data Flow Diagram, dan E-R Diagram beserta struktur databasenya.
3.1.1 Model Sistem
Gambar 3.1.Struktur Hirarki Pemilihan Mobil
24
Dalam struktur yang terbentuk tersebut terbagi menjadi empat jenjang yaitu Goal (Tujuan), Kriteria, Sub Kriteria dan Alternatif.
a. Goal (Tujuan) : Pemilihan Mobil.
b. Kriteria : Ada 9 (sembilan) yaitu Harga, Jarak Per Liter (JPL), Model, Kenyamanan, Kehandalan, Dimensi, Suku Cadang, Perawatan, Purna Jual. c. Sub Kriteria : Ada empat kriteria yang mempunyai sub kriteria yaitu Model,
Kenyamanan, Kehandalan, Dimensi.
Kriteria Model mempunyai 5 (lima) Sub Kriteria yaitu Jumlah Pintu, Interior, Rem Depan, Rem Belakang, Kaca Spion Luar.
Kriteria Kenyamanan mempunyai 12 (dua belas) Sub Kriteria yaitu AC (Air Conditioner / Pendingin Udara), TV / LCD Monitor, CD (Compaq
Disc), Radio, Tape, Airbag / Kantong Udara, Fog Lamp / Lampu Kabut, Hi-Mount Stop Lamp, Sabuk Pengaman, Power Window, Power Steering,
Power Door Lock.
Kriteria Kehandalan mempunyai 7 (tujuh) Sub Kriteria yaitu Volume Silinder / cc, Jumlah Silinder, Jumlah Katup Silinder, Daya Maksimum, Torsi Maksimum, Jenis Transmisi, Jumlah Transmisi.
Kriteria Dimensi mempunyai 4 (empat) Sub Kriteria yaitu Panjang, Lebar, Tinggi, Berat Kosong.
3.1.2 Data Flow Diagram
Data Simulasi Kriteria
Data Hasil AHP Data Mobil
Data Kriteria
Data Mobil Rangking Mobil
Pilih Mobil Pilih Kriteria
Data User
0
Aplikasi AHP Pemilihan Mobil
+
User Manajemen
26
13 TEMPNKRITERIA 19 TEMPNMOBIL
20 TEMPNMOBILSUB
Data Simulasi Kriteria
2 KATEGORI_MF 33 CC_MFCC_MF
4 BAHANBAKAR_MF 4 BAHANBAKAR_MF 2
Isi Simulasi Kriteria Manajemen
Gambar 3.4.DFD Level 1 Isi Data Master
Data Kriteria Baru
28
Ambil Ambil Ambil
Simpan
Simpan Simpan Data Mobil Baru
Simpan Simpan Simpan
Simpan Simpan
Simpan Ambil
Ambil Ambil
Ambil
Ambil Ambil
Data Mobil Manajemen
1 MEREK_MF 1 MEREK_MF
5 MOBIL_MF
5 MOBIL_MF 6 DIMENSI_MF
6 DIMENSI_MF 7 MESINSASIS_MF
7 MESINSASIS_MF 8 EKSTERIOR_MF
8 EKSTERIOR_MF 9 INTERIOR_MF
9 INTERIOR_MF 1
Tambah Mobil
2
Data Mobil Baru 2 KATEGORI_MF
2 KATEGORI_MF
3 CC_MF
3 CC_MF
4 BAHANBAKAR_MF
4 BAHANBAKAR_MF
Simpan
Ambil Ambil Ambil Ambil
Ambil
30
Gambar 3.8.DFD Level 2 Pilih Kriteria
Ambil
Data Hasil AHP
Gambar 3.10. DFD Level 1 Proses AHP
Data Hasil AHP
Detail Rangking 22 DETAILRANGKING 21 RANGKING
Manajemen
3.1.3 E-R Diagram
Gambar 3.12. E-R Diagram Pemilihan Mobil
32 N AMA_MEREK = N AMA_MEREK
ID = ID _KATEG OR I T ILT_ST EERING VARCHAR2(75) RODA_KEMUDI VARCHAR2(100) SEAT _BELT _DEPAN VARCHAR2(150) SEAT _BELT _BELAKANG VARCHAR2(150)
CC_M F ID <pk> NUMBER(2) RANGE_VOLUM E_SILINDER VARCHAR2(11)
T EMPPILIHKRITERIA USER_AKT IF <pk> VARCHAR2(50) LOG_USER <pk> NUMBER(3) USER_AKT IF <fk> VARCHAR2(50) LOG_USER <fk> NUMBER(3) VEKT OR_PRIORIT AS NUMBER(6,4) CI NUMBER(6,4) CR NUMBER(6,4) KODE_RANGKING VARCHAR2(10) RANGKING
ID <pk> NUMBER(5) USER_AKT IF <fk> VARCHAR2(50) LOG_USER <fk> NUMBER(3) USER_AKT IF <fk> VARCHAR2(50) LOG_USER <fk> NUMBER(3) VEKT OR_PRIORIT AS NUMBER(6,4) CI NUMBER(6,4) USER_AKT IF <pk> VARCHAR2(50) LOG_USER <pk> NUMBER(3) USER_AKT IF <fk> VARCHAR2(50) LOG_USER <fk> NUMBER(3) VEKT OR_PRIORIT AS NUMBER(6,4) CI NUMBER(6,4) CR NUMBER(6,4)
Berdasarkan E-R Diagram, kemudian dibuat struktur file database atau pembuatan database secara fisik dengan perincian sebagai berikut :
1. Nama File : Merek_MF Primary Key : Nama Foreign Key : - File Relasi : -
Keterangan : Master File untuk pengisian Merek Mobil
No. Nama Field Tipe Data Panjang Keterangan
1. Nama_Merek Varchar2 15 Nama Merek Mobil 2. Nama_Perusahaan Varchar2 50 Nama Perusahaan ATPM 3. Alamat_ATPM Varchar2 128 Alamat ATPM
4. Telepon Varchar2 15 No. Telepon 5. Faksimil Varchar2 15 No. Faksimil 6. Email Varchar2 50 Email
7. Kota Varchar2 50 Kota
8. Negara Varchar2 50 Negara
9. Negara_Pembuat Varchar2 50 Negara Pembuat 10. Keterangan Varchar2 255 Keterangan
2. Nama File : Kategori_MF Primary Key : Id
Foreign Key : - File Relasi : -
Keterangan : Master File untuk pengisian Kategori Mobil
No. Nama Field Tipe Data Panjang Keterangan
1. Id Number 2 Kode Kategori
2. Kategori Varchar2 10 Nama Kategori Mobil
3. Nama File : CC_MF Primary Key : Id Foreign Key : - File Relasi : -
Keterangan : Master File untuk pengisian Range Volume Silinder Mobil
No. Nama Field Tipe Data Panjang Keterangan
1. Id Number 2 Id Range Vol. Silinder 2. Range_Volume_
34
4. Nama File : BahanBakar_MF Primary Key : Id
Foreign Key : - File Relasi : -
Keterangan : Master File untuk pengisian Jenis Bahan Bakar Mobil
No. Nama Field Tipe Data Panjang Keterangan
1. Id Number 2 Id Jenis Bahan Bakar 2. Jenis_Bahan_Bakar Varchar2 10 Jenis Bahan Bakar Mobil
5. Nama File : Mobil_MF Primary Key : Id
Foreign Key : Id_Kategori, Nama_Merek, Id_Jenis_Bahan_Bakar, Id_Range_Volume_Silinder
File Relasi : Kategori_MF, Merek_MF, BahanBakar_MF, CC_MF Keterangan : Master File untuk pengisian Data-data Mobil
No. Nama Field Tipe Data Panjang Keterangan
1. Id Number 3 Kode Mobil
2. Id_Kategori Number 2 Id Kategori Mobil 3. Nama_Merek Number 15 Nama Merek Mobil 4. Nama_Mobil Varchar2 50 Nama Mobil 5. Jenis_Prod Varchar2 10 Jenis Produksi 6. Website Varchar2 50 Alamat Website 7. Harga Number 10 Harga Mobil 8. Jarak_Per_Liter Number 3,1 Jarak Per Liter 9. Jumlah_Pintu Number 2 Jumlah Pintu
10. Interior Varchar2 9 Interior/Ruang Mobil 11. Rem_Depan Varchar2 25 Rem Depan
12. Rem_Belakang Varchar2 25 Rem Belakang 13. Kaca_Spion_Luar Varchar2 8 Kaca Spion Luar
14. AC Char 1 AC
15. TV Char 1 TV
16. CD Char 1 CD
17. Radio Char 1 Radio
18. Tape Char 1 Tape
19. Airbag Char 1 Air Bag
20. Lampu_Kabut Char 1 Lampu Kabut 21. Hi_Mount_Stop_
Lamp Char 1 Lampu Hi Mount Stop
No. Nama Field Tipe Data Panjang Keterangan 27. Id_Jenis_Bahan_
Bakar Number 2 Id Jenis Bahan Bakar 28. Id_Range_Volume
_Silinder Number 2 Id Range Volume Silinder 29. Suku_Cadang Varchar2 15 Suku Cadang 30. Perawatan Varchar2 15 Layanan Perawatan 31. Purna_Jual Varchar2 10 Purna Jual
32. Optional Varchar2 750 Perlengkapan Optional 33. Folder_Image Varchar2 125 Folder Image/Gambar
6. Nama File : Dimensi_MF Primary Key : Id
Foreign Key : Id_Mobil File Relasi : Mobil_MF
Keterangan : Master File untuk pengisian Data Dimensi Mobil
No. Nama Field Tipe Data Panjang Keterangan
1. Id Number 3 Kode Dimensi
2. Id_Mobil Number 3 Kode Mobil 3. Panjang Number 5 Panjang Mobil 4. Lebar Number 5 Lebar Mobil 5. Tinggi Number 5 Tinggi Mobil 6. Jarak_Sumbu Number 5 Jarak Sumbu Roda 7. Jarak_Pijak_Depan Number 5 Jarak Pijak Roda Depan 8. Jarak_Pijak_
Belakang Number 5 Jarak Pijak Roda Belakang 9. Berat_Kosong Number 5 Berat Kosong Mobil
7. Nama File : MesinSasis_MF Primary Key : Id
Foreign Key : Id_Mobil File Relasi : Mobil_MF
Keterangan : Master File untuk pengisian Data Mesin dan Sasis Mobil No. Nama Field Tipe Data Panjang Keterangan
1. Id Number 3 Kode MesinSasis
36
No. Nama Field Tipe Data Panjang Keterangan 10. Jenis_Transmisi Varchar2 100 Jenis Transmisi 11. Jumlah_Transmisi Number 2 Jumlah Transmisi 12. Jenis_Bahan_Bakar Varchar2 50 Jenis Bahan Bakar 13. Sistem_Bahan_
Bakar Varchar2 125 Sistem Bahan Bakar 14. Kapasitas_Bahan_
Bakar Varchar2 3 Kapasitas Tangki BB 15. Suspensi_Depan Varchar2 200 Suspensi Depan 16. Suspensi_Belakang Varchar2 200 Suspensi Belakang 17. Rem_Depan Varchar2 150 Rem Depan 18. Rem_Belakang Varchar2 150 Rem Belakang 19. Uk_Ban Varchar2 15 Ukuran Ban 20. Velg Varchar2 100 Ukuran Velg
8. Nama File : Eksterior_MF Primary Key : Id
Foreign Key : Id_Mobil File Relasi : Mobil_MF
Keterangan : Master File untuk pengisian Data Eksterior Mobil No. Nama Field Tipe Data Panjang Keterangan
1. Id Number 3 Kode Eksterior
2. Id_Mobil Number 3 Kode Mobil
3. Kaca_Spion_Luar Varchar2 125 Pengatur Spion Luar 4. Penahan_Lumpur Varchar2 35 Penahan Lumpur 5. Side_Protection_
Moulding Varchar2 35 Side Protection Moulding 6. Windshield_
Moulding Varchar2 35 Windshield Moulding 7. Moulding_Kaca_
Belakang Varchar2 35 Moulding Kaca Belakang 8. Door_Belt_
Moulding Varchar2 35 Door Belt Moulding 9. Bumper Varchar2 35 Bumper
10. Lampu_Kabut Varchar2 5 Lampu Kabut 11. Hi_Mount_Stop_
9. Nama File : Interior_MF Primary Key : Id
Foreign Key : Id_Mobil File Relasi : Mobil_MF
Keterangan : Master File untuk pengisian Data Interior Mobil
No. Nama Field Tipe Data Panjang Keterangan
1. Id Number 3 Kode Interior
2. Id_Mobil Number 3 Kode Mobil 3. Power_Steering Varchar2 100 Power Steering 4. Tilt_Steering Varchar2 75 Tilt Steering 5. Roda_Kemudi Varchar2 100 Roda Steer 6. Power_Window Varchar2 100 Power Window 7. Power_Door_Lock Varchar2 100 Power Door Lock
8. AC Varchar2 100 AC
9. TV Varchar2 35 TV/LCD Monitor
10. CD Varchar2 35 CD
11. Radio Varchar2 35 Radio 12. Tape Varchar2 35 Tape 13. Airbag Varchar2 50 Air Bag
14. Seat_Belt_Depan Varchar2 150 Seat Belt Depan 15. Seat_Belt_
Belakang Varchar2 150 Seat Belt Belakang
10.Nama File : Kriteria_MF Primary Key : Id
Foreign Key : - File Relasi : -
Keterangan : Master File untuk pengisian Kriteria
No. Nama Field Tipe Data Panjang Keterangan
1. Id Number 2 Kode Kriteria
2. Nama Varchar2 30 Nama Kriteria 3. Prioritas_Kriteria Number 2 Prioritas Kriteria 4. Level_Maksimal Number 1 Level Maksimal
5. Status Char 1 Status Hitungan Kriteria 6. Nama_Table Varchar2 20 Nama Table Nilai
Matriks
7. Status_KK Char 1 Status Kuantitatif Kualitatif
38
11.Nama File : SimKriteria Primary Key : Id
Foreign Key : Id_Kriteria File Relasi : Kriteria_MF
Keterangan : Temporary File untuk pengisian Simulasi Kriteria
No. Nama Field Tipe Data Panjang Keterangan
1. Id Number 5 Kode SimKriteria
2. Id_Kriteria Number 2 Id Kriteria
3. Kode_Pembanding Number 35 Kode Pembanding 4. Kolom_1 Number 6,4 Preferensi Kolom 1 5. Kolom_2 Number 6,4 Preferensi Kolom 2 6. Kolom_3 Number 6,4 Preferensi Kolom 3 7. Kolom_4 Number 6,4 Preferensi Kolom 4 8. Kolom_5 Number 6,4 Preferensi Kolom 5 9. Kolom_6 Number 6,4 Preferensi Kolom 6 10. Kolom_7 Number 6,4 Preferensi Kolom 7 11. Kolom_8 Number 6,4 Preferensi Kolom 8 12. Kolom_9 Number 6,4 Preferensi Kolom 9 13. Kolom_10 Number 6,4 Preferensi Kolom 10 14. Kolom_11 Number 6,4 Preferensi Kolom 11 15. Kolom_12 Number 6,4 Preferensi Kolom 12 16. Kolom_13 Number 6,4 Preferensi Kolom 13 17. Kolom_14 Number 6,4 Preferensi Kolom 14 18. Kolom_15 Number 6,4 Preferensi Kolom 15
12.Nama File : TempPilihKriteria Primary Key : User_Aktif, Log_User Foreign Key : -
File Relasi : -
Keterangan : Temporary File untuk pengisian Pilihan Kriteria
13.Nama File : TempNKriteria Primary Key : Id
Foreign Key : User_Aktif, Log_User, Id_Kriteria File Relasi : TempPilihKriteria, Kriteria_MF
Keterangan : Temporary File untuk pengisian Matriks Kriteria
No. Nama Field Tipe Data Panjang Keterangan
1. Id Number 5 Kode TempNKriteria
2. User_Aktif Varchar2 50 Nama User Aktif 3. Log_User Number 3 Log User Aktif 4. Id_Kriteria Number 2 Kode Kriteria 5. Kode_Pembanding Varchar2 35 Kode Pembanding 6. Kriteria_1 Number 6,4 Preferensi Kriteria 1 7. Kriteria_2 Number 6,4 Preferensi Kriteria 2 8. Kriteria_3 Number 6,4 Preferensi Kriteria 3 9. Kriteria_4 Number 6,4 Preferensi Kriteria 4 10. Kriteria_5 Number 6,4 Preferensi Kriteria 5 11. Kriteria_6 Number 6,4 Preferensi Kriteria 6 12. Kriteria_7 Number 6,4 Preferensi Kriteria 7 13. Kriteria_8 Number 6,4 Preferensi Kriteria 8 14. Kriteria_9 Number 6,4 Preferensi Kriteria 9 15. Kriteria_10 Number 6,4 Preferensi Kriteria 10 16. Kriteria_11 Number 6,4 Preferensi Kriteria 11 17. Kriteria_12 Number 6,4 Preferensi Kriteria 12 18. Kriteria_13 Number 6,4 Preferensi Kriteria 13 19. Kriteria_14 Number 6,4 Preferensi Kriteria 14 20. Kriteria_15 Number 6,4 Preferensi Kriteria 15 21. Vektor_Prioritas Number 6,4 Vektor Prioritas 22. CI Number 6,4 Consistensi Index 23. CR Number 6,4 Consistensi Rasio
14.Nama File : SubKriteria_MF Primary Key : Id
Foreign Key : Id_Kriteria File Relasi : Kriteria_MF
Keterangan : Master File untuk pengisian Sub Kriteria No. Nama Field Tipe Data Panjang Keterangan
1. Id Number 3 Kode Sub Kriteria 2. Id_Kriteria Number 2 Kode Kriteria
3. Id_Sub_Kriteria Number 3 Kode Sub-Sub Kriteria 4. Nama Varchar2 30 Nama Sub Kriteria 5. Prioritas_Kriteria Number 2 Prioritas Sub Kriteria 6. Level_Kriteria Number 1 Level Sub Kriteria 7. Status Char 1 Status Hitungan Sub
40
No. Nama Field Tipe Data Panjang Keterangan 8. Nama_Table Varchar2 20 Nama Table Nilai
Matriks
9. Status_KK Char 1 Status Kuantitatif Kualitatif
10. Nama_Table_Show Varchar2 20 Nama Table Nilai Riil 11. Status_MM Char 1 Status Matriks Mobil 12. Kode_Urut Varchar2 29 Kode Urut Sub Kriteria 13. Keterangan Varchar2 255 Keterangan
15.Nama File : SimSubKriteria Primary Key : Id
Foreign Key : Id_Sub_Kriteria File Relasi : SubKriteria_MF
Keterangan : Temporary File untuk pengisian Simulasi Sub Kriteria No. Nama Field Tipe Data Panjang Keterangan
1. Id Number 5 Kode SimSubKriteria 2. Id_Sub_Kriteria Number 3 Kode Sub Kriteria 3. Kode_Pembanding Number 60 Kode Pembanding 4. Kolom_1 Number 6,4 Preferensi Kolom 1 5. Kolom_2 Number 6,4 Preferensi Kolom 2 6. Kolom_3 Number 6,4 Preferensi Kolom 3 7. Kolom_4 Number 6,4 Preferensi Kolom 4 8. Kolom_5 Number 6,4 Preferensi Kolom 5 9. Kolom_6 Number 6,4 Preferensi Kolom 6 10. Kolom_7 Number 6,4 Preferensi Kolom 7 11. Kolom_8 Number 6,4 Preferensi Kolom 8 12. Kolom_9 Number 6,4 Preferensi Kolom 9 13. Kolom_10 Number 6,4 Preferensi Kolom 10 14. Kolom_11 Number 6,4 Preferensi Kolom 11 15. Kolom_12 Number 6,4 Preferensi Kolom 12 16. Kolom_13 Number 6,4 Preferensi Kolom 13 17. Kolom_14 Number 6,4 Preferensi Kolom 14 18. Kolom_15 Number 6,4 Preferensi Kolom 15
16.Nama File : TempSubKriteria Primary Key : -
Foreign Key : User_Aktif, Log_User, Id_Kriteria File Relasi : TempPilihKriteria, Kriteria_MF
Keterangan : Temporary File untuk pengisian Pilihan Sub Kriteria No. Nama Field Tipe Data Panjang Keterangan
No. Nama Field Tipe Data Panjang Keterangan 3. Id_Kriteria Number 2 Kode Kriteria 4. Id_Sub2_Kriteria Number 3 Kode Sub2 Kriteria 5. Kode_Id Varchar2 120 Kode Sub-Sub Kriteria 6. Judul Varchar2 450 Judul Headline
17.Nama File : TempNSubKriteria Primary Key : Id
Foreign Key : User_Aktif, Log_User, Id_Sub_Kriteria, Id_Kriteria File Relasi : TempPilihKriteria, SubKriteria_MF, Kriteria_MF Keterangan : Temporary File untuk pengisian Matriks Sub Kriteria
No. Nama Field Tipe Data Panjang Keterangan
1. Id Number 6 Kode TempNSubKriteria 2. User_Aktif Varchar2 50 Nama User Aktif
3. Log_User Number 3 Log User Aktif 4. Id_Sub_Kriteria Number 3 Kode Sub Kriteria 5. Kode_Pembanding Varchar2 60 Kode Pembanding 6. Id_Kriteria Number 2 Kode Kriteria 7. Id_Sub2_Kriteria Number 3 Kode Sub2 Kriteria 8. Level_Kriteria Number 1 Level Sub Kriteria 9. Sub_Kriteria_1 Number 6,4 Preferensi Sub Kriteria 1 10. Sub_Kriteria_2 Number 6,4 Preferensi Sub Kriteria 2 11. Sub_Kriteria_3 Number 6,4 Preferensi Sub Kriteria 3 12. Sub_Kriteria_4 Number 6,4 Preferensi Sub Kriteria 4 13. Sub_Kriteria_5 Number 6,4 Preferensi Sub Kriteria 5 14. Sub_Kriteria_6 Number 6,4 Preferensi Sub Kriteria 6 15. Sub_Kriteria_7 Number 6,4 Preferensi Sub Kriteria 7 16. Sub_Kriteria_8 Number 6,4 Preferensi Sub Kriteria 8 17. Sub_Kriteria_9 Number 6,4 Preferensi Sub Kriteria 9 18. Sub_Kriteria_10 Number 6,4 Preferensi Sub Kriteria 10 19. Sub_Kriteria_11 Number 6,4 Preferensi Sub Kriteria 11 20. Sub_Kriteria_12 Number 6,4 Preferensi Sub Kriteria 12 21. Sub_Kriteria_13 Number 6,4 Preferensi Sub Kriteria 13 22. Sub_Kriteria_14 Number 6,4 Preferensi Sub Kriteria 14 23. Sub_Kriteria_15 Number 6,4 Preferensi Sub Kriteria 15 24. Vektor_Prioritas Number 6,4 Vektor Prioritas
42
18.Nama File : TempPilihMobil Primary Key : User_Aktif, Log_User Foreign Key : Id_Kategori
File Relasi : Kategori_MF
Keterangan : Temporary File untuk pengisian Pilihan Mobil
No. Nama Field Tipe Data Panjang Keterangan 1. User_Aktif Varchar2 50 Nama User Aktif
Foreign Key : User_Aktif, Log_User, Id_Mobil, Id_Kriteria File Relasi : TempPilihMobil, Mobil_MF, Kriteria_MF
Keterangan : Temporary File untuk pengisian Matriks Mobil dalam batasan Kriteria Global
No. Nama Field Tipe Data Panjang Keterangan
20.Nama File : TempNMobilSub Primary Key : Id
Foreign Key : User_Aktif, Log_User, Id_Mobil, Id_Kriteria, Id_Sub_Kriteria
File Relasi : TempPilihMobil, Mobil_MF, Kriteria_MF, SubKriteria_MF Keterangan : Temporary File untuk pengisian Matriks Mobil dalam
batasan Sub Kriteria
No. Nama Field Tipe Data Panjang Keterangan
1. Id Number 7 Kode TempNMobilSub
2. User_Aktif Varchar2 50 Nama User Aktif 3. Log_User Number 3 Log User Aktif 4. Id_Mobil Number 3 Kode Mobil 5. Id_Kriteria Number 2 Kode Kriteria 6. Id_Sub_Kriteria Number 3 Kode Sub Kriteria 7. Id_Sub2_Kriteria Number 3 Kode Sub2 Kriteria 8. Level_Kriteria Number 1 Level Kriteria 9. Mobil_1 Number 6,4 Preferensi Mobil 1 10. Mobil_2 Number 6,4 Preferensi Mobil 2 11. Mobil_3 Number 6,4 Preferensi Mobil 3 12. Mobil_4 Number 6,4 Preferensi Mobil 4 13. Mobil_5 Number 6,4 Preferensi Mobil 5 14. Mobil_6 Number 6,4 Preferensi Mobil 6 15. Mobil_7 Number 6,4 Preferensi Mobil 7 16. Mobil_8 Number 6,4 Preferensi Mobil 8 17. Mobil_9 Number 6,4 Preferensi Mobil 9 18. Mobil_10 Number 6,4 Preferensi Mobil 10 19. Vektor_Prioritas Number 6,4 Vektor Prioritas 20. CI Number 6,4 Consistensi Index 21. CR Number 6,4 Consistensi Rasio 22. Kode_Rangking Varchar2 10 Kode Rangking
21.Nama File : Rangking Primary Key : Id
Foreign Key : User_Aktif, Log_User File Relasi : TempPilihKriteria
Keterangan : Temporary File untuk pengisian Rangking
No. Nama Field Tipe Data Panjang Keterangan
1. Id Number 5 Kode Rangking
2. User_Aktif Varchar2 50 User Aktif 3. Log_User Number 3 Log User Aktif
4. Tanggal Date Tanggal
44
22.Nama File : DetailRangking Primary Key : Id
Foreign Key : Id_Rangking, Id_Mobil File Relasi : Rangking, Mobil_MF
Keterangan : Temporary File untuk pengisian Detail Rangking
No. Nama Field Tipe Data Panjang Keterangan
1. Id Number 5 Kode Detail Rangking 2. Id_Rangking Number 5 Kode Rangking 3. Id_Mobil Number 3 Kode Mobil
4. Nilai Number 6,4 Nilai Vektor Prioritas
3.1.4 Database Tambahan
Selain database yang tercantum dalam E-R Diagram, dalam sistem juga terdapat database yang tidak berelasi, antara lain sebagai berikut :
1. Nama File : Kondisi_MF Primary Key : Id
Foreign Key : - File Relasi : -
Keterangan : Master File untuk pengisian Kondisi Kualitatif Kriteria
No. Nama Field Tipe Data Panjang Keterangan
1. Id Number 2 Kode Kondisi
2. Nama Varchar2 30 Nama Kondisi
2. Nama File : NilaiKondisi_MF Primary Key : Id
Foreign Key : Id_Nama_Kondisi File Relasi : Kondisi_MF
Keterangan : Master File untuk pengisian Nilai Kondisi Kualitatif Kriteria
No. Nama Field Tipe Data Panjang Keterangan
3. Nama File : RandomIndex_MF Primary Key : Elemen
Foreign Key : - File Relasi : -
Keterangan : Master File untuk pengisian Random Index
No. Nama Field Tipe Data Panjang Keterangan
1. Elemen Number 2 Elemen
2. Random_Index Number 4,2 Nilai Random Index
3.2 Proses
Selama ini, sistem-sistem dengan metode AHP yang ada hanyalah memakai semua kriteria yang telah ditetapkan oleh si expert atau dengan kata lain bersifat statis. Selain itu, sistem yang dibuatpun hanya dipakai untuk dirinya sendiri atau pemilik produk (produsen). Namun dalam sistem ini, karena dibuat berbasis web dan untuk dipakai oleh konsumen atau para user yang dalam hal ini adalah netter dan konsumen mobil, maka si User dimungkinkan untuk memilih kriteria dan alternatif (mobil) sesuai keinginan user itu sendiri dari bebarapa pilihan yang disediakan sistem.
3.2.1. Flow Chart
Dalam proses pemilihan mobil oleh user, maka dibuatlah suatu standard
46
Mulai
Pengisian Matriks Kriteria
Pilih Kriteria
Pilihan Kriteria >= 3 & <= 15 Tidak
Perhitungan Vektor Prioritas & Konsistensi
Kriteria
Perhitungan Vektor Prioritas & Konsistensi
Alternatif
Pilih Alternatif
Pengisian Matriks Alternatif Pilihan Alternatif >= 3 & <= 10
Tidak
Perhitungan Prioritas Global
Rangking Mobil
Selesai Ya
Ya
Gambar 3.13. Flow Chart Pemilihan Mobil
3.2.2. Pemilihan Kriteria
Dalam pemilihan Kriteria, user tidak perlu repot-repot melakukan pembobotan karena sudah disediakan sistem, dimana pembobotan tersebut sudah dijamin memenuhi persyaratan tingkat inkonsistensi kurang dari sama dengan 10%. User tinggal memilih beberapa macam kriteria yang tersedia minimal tiga kriteria dan maksimal lima belas kriteria.
Pada gambar 3.14 dapat dijelaskan proses pemilihan Kriteria sebagai berikut :
dengan nilai preferensi yang tersimpan di field Kolom_1 sampai dengan Kolom_15.
- Kriteria yang dipilih user disimpan dalam tabel TempPilihKriteria pada field Pilihan. Kemudian data tersebut dicocokkan dengan tabel SimKriteria untuk mengambil nilai preferensi guna membangun matriks kriteria yang akan disimpan di tabel TempNKriteria.
Mulai
Ambil Matriks Kriteria Pilih Kriteria
Pilihan Kriteria >= 3 & <= 15 Tidak
Pengisian Matriks Kriteria
48
Id Nama Prioritas_ Kriteria Status 1 Harga 1 F
2 JPL 9 T
3 Dimensi 7 T
User_Aktif Pilihan Bas 1_2_6
Id Kode_Pem banding Kolom_1 Kolom_2 Kolom_3 1 1_2_6 1,0000 6,0000 7,0000 2 1_2_6 0,1667 1,0000 2,0000 3 1_2_6 0,1429 0,5000 1,0000
Id User_ Aktif Kode_Pem Banding Kriteria_1 Kriteria_2 Kriteria_3 1 Bas 1_2_6 1,0000 6,0000 7,0000 2 Bas 1_2_6 0,1667 1,0000 2,0000 3 Bas 1_2_6 0,1429 0,5000 1,0000
Gambar 3.14. Isi record tabel TemNKriteria dari proses pemilihan Kriteria
3.2.3. Pemilihan Sub Kriteria
Seperti halnya pemilihan Kriteria, pembobotan Sub Kriteria juga sudah disediakan sistem. Hanya bedanya, user diharuskan memilih seluruh Sub Kriteria dari setiap Kriteria yang dipilih yang memiliki Sub Kriteria.
Gambar 3.15 menjelaskan proses pemilihan Sub Kriteria sebagai berikut: - Bilamana Kriteria yang dipilih user mempunyai Sub Kriteria, maka Sub Kriteria
tersebut secara otomatis terpilih seluruhnya.
- Tabel SubKriteria_MF menyimpan data-data Sub Kriteria. Field Kode_Urut digunakan untuk menyimpan kode urutan Sub Kriteria sesuai levelnya, sehingga untuk memudahkan dalam menampilkan sub kriteria dan kriteria yang sewaktu-waktu ditambah atau dikurangi.
- Tabel SimSubKriteria menyimpan nilai preferensi Sub Kriteria. Isi field Kode_Pembanding menandakan satu kelompok Sub Kriteria dalam satu level, dengan nilai preferensi yang tersimpan di field Kolom_1 sampai dengan Kolom_15.
50
Id Kriteria Id_ Id_Sub_ Kriteria Nama KriteriaLevel_ Status
25 6 0 Panjang 1 T
26 6 0 Lebar 1 T
27 6 0 Tinggi 1 T
28 6 0 Berat 1 F
User_
Aktif KriteriaId_ Id_Sub_Kriteria Kode_Id
Bas 6 0 25_26_27_28_
Id Kode_Pembanding Kolom_1 Kolom_2 Kolom_3 Kolom_4 25 25_26_27_28_ 1,0000 2,0000 2,5000 0,2500 26 25_26_27_28_ 0,5000 1,0000 2,0000 0,2000 27 25_26_27_28_ 0,4000 0,5000 1,0000 0,1667 28 25_26_27_28_ 4,0000 5,0000 6,0000 1,0000
Id User_ Aktif Kode_Pem banding KriteriaId_ Id_Sub_ Kriteria Kolom_1 Kolom_2 Kolom_3 Kolom_4 1 Bas 25_26_27_28_ 6 0 1,0000 2,0000 2,5000 0,2500 2 Bas 25_26_27_28_ 6 0 0,5000 1,0000 2,0000 0,2000 3 Bas 25_26_27_28_ 6 0 0,4000 0,5000 1,0000 0,1667 4 Bas 25_26_27_28_ 6 0 4,0000 5,0000 6,0000 1,0000
3.2.4. Pemilihan Alternatif
Untuk pemilihan mobil sebagai alternatif, user hanya diberi hak untuk memilih minimal tiga macam mobil yang tersedia dan maksimal sepuluh mobil, sedangkan pembobotan sudah otomatis disediakan sistem. User tidak diberi hak melakukan pembobotan dikarenakan pembobotan mobil tersebut sudah disesuaikan dengan data aslinya.
Proses pemilihan alternatif tersebut dapat dijelaskan sebagai berikut : - Proses pemilihan alternatif dikerjakan setelah proses pemilihan Kriteria dan Sub
Kriteria.
- Data mobil yang ditampilkan diambil dari lima tabel master yaitu Mobil_MF, Dimensi_MF, Mesinsasis_MF, Eksterior_MF, Interior_MF. Di sini digunakan lebih dari satu tabel master mobil dikarenakan data-data mobil yang diperlukan sistem cukup banyak dan untuk menghindari sebuah tabel dengan field-field yang panjang. Namun dari kelima tabel tersebut, tidak semua field yang dipakai untuk diambil nilai matriksnya, tapi hanya field-field yang sesuai dengan definisi kriteria pada bagian 3.1.1.
- Mobil yang dipilih user disimpan dalam tabel TempPilihMobil pada field Mobil_1 sampai Mobil_10. Kemudian data tersebut yang berupa Id Mobil dicocokkan dengan tabel Data Mobil di atas, dan nilai matriksnya akan
Id User_ Aktif Mobil Id_ Kriteria Mobil_1 Mobil_2 Mobil_3 Id_ 1 Bas 28 1 1,0000 1,0000 1,0000 2 Bas 29 1 1,0000 1,0000 1,0000 3 Bas 30 1 1,0000 1,0000 1,0000 4 Bas 28 2 1,0000 1,0000 1,0000 5 Bas 29 2 1,0000 1,0000 1,0000 6 Bas 30 2 1,0000 1,0000 1,0000
Id User_ Aktif Mobil Id_ KriteriaId_ Id_Sub_ Kriteria Mobil_1 Mobil_2 Mobil_3
1 Bas 28 6 25 1,0000 0,7778 1,0000
2 Bas 29 6 25 1,2857 1,0000 1,1429
3 Bas 30 6 25 1,0000 0,8750 1,0000
4 Bas 28 6 26 1,0000 1,1250 1,1250
5 Bas 29 6 26 0,8889 1,0000 0,8750
6 Bas 30 6 26 0,8889 1,1429 1,0000
7 Bas 28 6 27 1,0000 1,0000 0,8889
8 Bas 29 6 27 1,0000 1,0000 0,8750
9 Bas 30 6 27 1,1250 1,1429 1,0000
10 Bas 28 6 28 1,0000 1,0000 1,0000
11 Bas 29 6 28 1,0000 1,0000 1,0000
12 Bas 30 6 28 1,0000 1,0000 1,0000
Gambar 3.16. Isi record tabel TempNMobil dan TempNMobilsub dari proses pemilihan Alternatif
3.2.5. Perhitungan Vektor Prioritas
Perhitungan vektor prioritas dilakukan untuk setiap matriks yang terbentuk. Dalam kasus pemilihan mobil, matriks yang terbentuk ada empat macam yaitu Matriks Kriteria, Matriks Sub Kriteria, Matriks Alternatif berdasarkan Kriteria, dan Matriks Alternatif berdasarkan Sub Kriteria, maka keempat macam matriks tersebut dihitung vektor prioritasnya untuk mendapatkan urutan prioritas elemen-elemennya. Selain itu, perhitungan vektor prioritas juga dibutuhkan untuk mengecek konsistensi matriks yang terbentuk.
Dalam melakukan perhitungan vektor prioritas masing-masing matriks, diperlukan satu tabel yang menyimpan data matriks masing-masing dan array dua dimensi (dengan option base 1) untuk penyimpanan sementara proses Tabel TempNMobil
Tabel
54
Kolom 1 Kolom 2 Kolom j Baris 1
Baris 2
Baris i
perhitungan. Disini array yang dipakai adalah array dua dimensi karena matriks memiliki Baris dan Kolom.
Gambar 3.17. Tampilan array dua dimensi (i,j) untuk penyimpanan sementara hasil perhitungan vektor prioritas
Salah satu contoh perhitungan Vektor Prioritas Matriks Kriteria sesuai langkah-langkah pada bab II, sub bab 2.2.3, halaman 18, dapat dijabarkan sebagai berikut :
Id User_ Aktif Kode_Pem Banding Kriteria_1 Kriteria_2 Kriteria_3 1 Bas 1_2_6 1,0000 6,0000 7,0000
Tabel TempNKriteria dari Matriks Kriteria
Dengan algoritma/pseudocode di bawah ini, data dari TempNKriteria dapat dimasukkan ke dalam array.
i = 1
openselectsql (‘tempnkriteria’,kriteria_(j)) While (Not EOF)
for j = 1 to 15
arrnkriteria(i,j) = kriteria_(j) i = i + 1
1 2 3
1 1,0000 6,0000 7,0000 2 0,1667 1,0000 2,0000 3 0,1429 0,5000 1,0000
Kemudian untuk menjumlahkan masing-masing kolom dari array arrNKriteria, digunakan algoritma/pseudocode di bawah ini :
for i = 1 to jmlpil for j = 1 to 15
arrjkriteria(j) = arrjkriteria(j) + arrnkriteria(i,j)
1 2 3
1 1,3095 7,5000 10,0000
Sedangkan untuk membagi elemen pada array arrNKriteria dengan jumlah kolomnya pada array arrJKriteria, digunakan algoritma/pseudocode di bawah ini : for i = 1 to jmlpil
for j = 1 to 15
arrbkriteria(i,j) = arrnkriteria(i,j) / arrjkriteria(j)
1 2 3
1 0,7636 0,8000 0,7000 2 0,1273 0,1333 0,2000 3 0,1091 0,0667 0,1000
Array dua dimensi (arrNKriteria) untuk menyimpan matriks dari Tabel TempNKriteria
Array dua dimensi (arrJKriteria) untuk menyimpan hasil penjumlahan kolom dari array arrNKriteria
56
Nilai Vektor Prioritas pada Tabel TempNKriteria dari Matriks Kriteria
Terakhir, untuk mendapatkan nilai Vektor Prioritas yaitu dengan menjumlahkan tiap-tiap baris pada array arrBKriteria dan membaginya dengan jumlah pilihan (n), digunakan algoritma/pseudocode di bawah ini :
for i = 1 to jmlpil for j = 1 to 15
arrtbkriteria(i) = arrtbkriteria(i) + arrbkriteria(i,j) arrtbkriteria(i) = arrtbkriteria(i) / jmlpil
i = 1
for j = 1 to i-1
updatesql(‘tempnkriteria’,vektor_prioritas(arrtbkriteria(j))
Gambar 3.18. Nilai Vektor Prioritas pada tabel TempNKriteria dari proses perhitungan Vektor Prioritas Matriks Kriteria
3.2.6. Perhitungan Prioritas Global
Tahapan terakhir dalam AHP Pemilihan Mobil adalah proses perhitungan prioritas global untuk menentukan rangking mobil. Prosesnya adalah dengan melakukan operasi perkalian matriks vektor prioritas. Dimulai dengan mengalikan matriks gabungan vektor prioritas dari level terbawah dengan level di atasnya, kemudian dengan level di atasnya lagi sampai akhirnya pada level teratas. Hasil akhir dari operasi perkalian matriks berupa sebuah vektor prioritas (vektor kolom) yang jumlah barisnya sama dengan jumlah elemen pada level terakhir (jumlah alternatif). Vektor prioritas akhir tersebut kemudian dirangking untuk mencari mobil yang terbaik yang datanya disimpan dalam tabel Rangking dan tabel DetailRangking sebagai detilnya.
3.3 Cara Pengujian
Pengujian atau testing bukan bertujuan untuk menghilangkan kerusakan/ cacat sistem/program, tapi untuk mengetahui bahwa sistem yang dibuat terdapat kesalahan sebelum sistem tersebut dipergunakan. Dengan ditemukannya kesalahan tersebut maka akan diupayakan perbaikannya sehingga sistem yang dibuat sesuai dengan permintaan atau dengan kata lain sistem yang dibuat sudah tervalidasi dan terverifikasi. Validasi dalam hal ini adalah melihat sistem secara fungsional bahwa sistem/program atau produk yang dihasilkan sudah sesuai permintaan. Sedangkan verifikasi adalah memandang secara struktural bahwa proses dari sistem/program atau produk yang dihasilkan sudah benar sesuai fungsinya sehingga sistem tersebut mempunyai kualitas yang baik.
3.3.1 Jenis Data Untuk Pengujian
Dalam kaitannya dengan sistem pemilihan mobil berbasis web, ada dua jenis data kasus yang akan diuji sebagai berikut :
1. Data Kriteria dan Sub Kriteria
Data Kriteria dan Sub Kriteria yang berisi pembobotan dan matriks perbandingan Kriteria dan Sub Kriteria serta vektor prioritas hasil normalisasi. 2. Data Alternatif
Data Alternatif yang berisi pembobotan dan matriks perbandingan Alternatif serta vektor prioritas hasil normalisasi.
3.3.2 Rancangan Percobaan
58
a. Percobaan sistem pada komputer client
1. Untuk proses pemilihan Kriteria dan juga Sub Kriteria bilamana ada, dilakukan percobaan berulang kali pada data kriteria dan sub kriteria. Dimana akan dicek proses pembobotan kriteria dan sub kriteria sampai menghasilkan vektor prioritas dengan tingkat inkonsistensi kurang dari sama dengan 10%.
2. Untuk proses pemilihan Alternatif, dilakukan percobaan tiga kali pada data alternatif. Dimana akan dicek proses pembobotan alternatif menghasilkan vektor prioritas dengan tingkat inkonsistensi kurang dari sama dengan 10%. Pada percobaan ini lebih sedikit dikarenakan untuk pembobotan alternatif sudah disediakan suatu procedure untuk men-generate data alternatif sehingga menghasilkan matriks perbandingan yang konsisten lebih dari 90%.
b. Percobaan sistem pada komputer browser
1. Untuk proses pemilihan Kriteria dan juga Sub Kriteria bilamana ada, dilakukan percobaan tiga kali pada data kriteria dan sub kriteria. Dimana akan dicek proses pembobotan kriteria dan sub kriteria menghasilkan vektor prioritas dengan tingkat inkonsistensi kurang dari sama dengan 10%.