PENDEKATAN METODE FUZY ANALYTIC HIERARCHY
PROCESS (FAHP) DALAM PENENTUAN RATING GABUNGAN
KELOMPOK TANI (GAPOKTAN)
Patrisius Batarius1), Frengky Tedy2) 1,2Jurusan Teknik Informatika, Fakultas Teknik, Universitas Katolik Widya Mandira Kupang,
e-mail: patrisbatarius@gmail.com, fredymtf@gmail.com
Abstract
Penelitian ini bertujuan untuk menentukan pemeringkatan Gapoktan menggunakan pendekatan Fuzy Analytich Hierarchy Proces (FAHP). Hasil pemeringaktan digunakan untuk mengklasifikasikan Gapoktan ke dalam 3 kelas yaitu kelas pemula, kelas madya dan kelas utama. Kriteria Pemeringkatan Gapoktan digunakan sebagai matriks perbandingan pada metode FAHP dengan pendekatan model Chang. Dari kriteria tersebut dilakukan pendekatan dalam bentuk hirarki untuk bisa dihitung menggunakan metode FAHP. Matriks perbandingan pada FAHP dibentuk berdasarkan perbandingan antara data kolom dengan data baris. Indikator penilaian sebagi input. Input tersebut diolah dengan pendekatan FAHP dengan matriks perbandingan yang sudah dibuat pada sub aspek dan aspek penilaian. Skala TFN dalam variabel linguistik disesuaikan dengan nilai kriteria yang diberikan oleh Petunjuk Teknis Pemeringkatan Gapoktan menuju Lembaga Keuangan Mikro Agribisnis tahun 2010. Hasil akhir menunjukan perbandingan perhitungan dengan metode FAHP dan perhitungan manual memiliki eror sekitar 0,1%. Dengan demikian data dalam bentuk tabel dengan model hirarki bisa dilakukan pendekatan FAHP dalam proses perhitungan pemeringkatannya.
Kata Kunci : Kriteria penilaian, Gapoktan, FAHP
1. PENDAHULUAN
Proses penilaian pemeringkatan Gapoktan sudah diatur dalam Petunjuk Teknis Pemeringkatan Gapoktan Menuju Lembaga Keuangan Mikro Agribisnis (LKM-A) tahun 2011. Hasil pemeringkatan tersebut selanjutnya mengklasifikasikan Gapoktan dalam 3 kelas, yaitu kelas pemula, kelas madya dan kelas utama[1]. Dalam pelaksanaannya, evaluasi atau pemeringaktan Gapoktan oleh tim penilai mengalami kesulitan karena banyak kriteria yang harus dinilai. Sehingga perlu alat bantu untuk melakukan penilaian[2].
Pendekatan metode Analytic Hierarchy Process (AHP) digunakan untuk menentukan prestasi Gapoktan[3]. Demikian juga dalam penentuan perangkingan Gapoktan, menggunakan metode AHP. Perhitungan dengan menggunakan pendekatan metode AHP menghasilkan nilai yang hampir sama dengan perhitungan manual [4]. Matriks perbandingan untuk prestasi Gapoktan diambil dari ketentuan kementrian pertanian yang tertuang dalam Peraturan Menteri Pertanian Nomor:16/Permentan/ OT.140/2/2008. Sementara matriks
perbandingan pemeringakatan Gapoktan sesuai petunjuk Teknis Pemeringkatan Gapoktan.
Penilaian pemeringkatan Gapoktan berdasarkan petunjukk teknis pemeringkatan Gapoktan menuju LKMA tahun 2011 diuraikan dalam bentuk tabel. Bentuk kriteria dan tabel penilaiannya dapat dilihat pada tabel 1.
Berdasarkan nilai pada tabel 1, bisa diuraikan bentuk hirarki. Dari bentuk hirarki ini dicari nilai pemeringkatan Gapoktan dengan metode lain. Dengan metode AHP matriks yang digunakan menggunakan perbandingan kolom per baris dan matriks inversnya menggunakan baris per kolom.
Tabel 1. Kriteria penilaian [1]
KP As SAs I T S R A 30 A1 6 18 12 6 A2 5 15 10 5 A3 5 15 10 5 A4 5 15 10 5 A5 5 15 10 5 A6 4 12 8 4 B 30 B1 3 9 6 3 B2 3 9 6 3 B3 3 9 6 3
Patrisius Batarius1), Frengky Tedy2)
Jurusan Teknik Informatika, Fakultas Teknik, Universitas Katolik Widya Mandira Kupang ... 155
B4 5 15 10 5 B5 2 6 4 2 B6 3 9 6 3 B7 2 6 4 2 B8 2 6 4 2 B9 2 6 4 2 B10 5 15 10 5 C 40 C1 10 30 20 10 C2 5 15 10 5 C3 10 30 20 10 C4 10 30 20 10 C5 5 30 20 10 Keterangan: KP : Kriteria Penilaian As : Aspek Penilaian SAs: Sub Aspek Penilaian I : Indikator Penilaian T : Tinggi
S : Sedang R : Rendah
A : Aspek Organisasi
A1 : Memiliki AD/ART Gapoktan A2 : Pemisahan pengurus dan pengelola LKM-A
A3 : Rencana kerja Gapoktan A4 : Pelaksanaan rapat anggota A5 : RAT tepat waktu
A6 : Gapoktan berbadan hukum B : Aspek Pengelolaan LKMA B1: Persentase penyaluran dana B2 : Rencana kerja Gapoktan B3: Pencatatan/ pengadministrasian B4 : Fotocopy struktur organisasi B5 : AD/ART mengikat anggota B6 : Pelaporan oleh pengurus Gapoktan B7: Pembinaan usaha anggota
B8: Pengawasan pembiayaan B9 : Mekanisme insentif dan sanksi B10 : Sarana dan prasarana LKM-A C: Aspek Kinerja Pengelolaan LKMA C1: Dana keswadayaan
C2 : Simpanan sukarela C3: Asset yang dikelola C4 : Kumulatif penyaluran
C5: Tingkat pembiayaan bermasalah Pada penelitian ini, data tabel yang diuraikan delam bentuk hirarki tersebut, dilakukan pengujian dengan metode Fuzzy Analytic Hierarchy Process (FAHP). Model FAHP yang digunakan adalah model Chang [5]. Model Chang, mendekati model AHP konvensional dan relatif lebih mudah daripada pendekatan lain[6]. FAHP merupakan penggabungan dari teknik AHP dengan logika matematika fuzzy. Penggunaan logika
fuzzy bertujuan untuk mempermudah penilaian kriteria yang bersifat tidak pasti.
2. TINJAUAN PUSTAKA
Metode FAHP banyak digunakan dalam proses penilaian, diantaranya digunakan untuk mengetahui pengaruh manajemen pengetahuan, efektifitas kepemimpinan, budya organisasi dan kinerja organisasi untuk mendapatkan minat mahasisiwa masuk ke perguruan tinggi[7]. Selain itu metode FAHP digunakan di bidan industry dalam hal pemilihan sistem ERP menggunakan
scoredcard untuk mengeliminasi paket ERP yang tidak cocok. Metode FAHP digunakan untuk merangking solusi sistem ERP dengan nilai yang digunakan [8].
Metode FAHP juga digunakan untuk menganalisis sistemik sehingga meminimalkan waktu transit dan biaya serta jaminan pengiriman dalam bidang transportasi multimoda internasional [9]. Dalam bidang studi perkotaan, metode FAHP digunakan untuk membantu proses penilaian kerentanan gempa bumi, dalam mengevaluasi ketidakpastian [10].
Selain itu, pendekatan FAHP digunakan untuk mengklasifikasi inventori ke dalam tiga kelas yaitu A (outstandingly important), B (average importance), dan C (relatively unimportant)[11]. Dalam melakukan perangkingan berdasarkan persepsi manusia metode FAHP juga digunakan dalam mengambil keputusan untuk sebuah nomor tertentu atau rasio sangat sulit
dilakukan karena adanya
ketidakjelasan[12].
Metode FAHP yang digunakan dalam beberapa penelitian diatas menggunakan matriks perbandingan triangular fuzzy Number (TFN), seperti pada tabel 2.
Dalam penelitian ini, nilai TFN seperti yang ditunjukan pada tabel 2, tidak digunakan. Nilai yang diatur dalam Petunjuk Teknis Pemeringkatan Gapoktan dari Kementrian Pertanian tahun 2011, digunakan sebagai rujukan dalam menentukan matriks perbandingan.
Tabel 2. Skala TFN dalam Variabel Linguistik [5]
Skala linguistik
Membership
Equally important (1,1,3) (1/3,1,1) Moderartely important (1,3,5) (1/5,1/3,1) Strongly important (3,5,7) (1/7,1/5,1/3) Very strongly important (5,7,9) (1/9,1/7,1/5) Extremely important (7,9,9) (1/9,1/9,1/7) Langkah-langkah metode FAHP dapat disusun sebagai berikut:
1: Menyusun struktur permasalahan yang dihadapi
2: Menguji konsistensi matriks
3: Mengevaluasi perbandingan berpasangan fuzzy. Setelah memperoleh matriks yang konsisten, selanjutnya dilakan perbandingan berpasangan fuzzy. Dalam melakukan perbandingan berpasangan fuzzy, digunakan skala TFN yang sesuai dengan petunjuk tekniks pemeringkatan Gapoktan dari Kementan tahun 2011. Matriks perbandingan direpresentasikan seperti persamaan (1), dimana 𝑎𝑖𝑗 = (𝑎𝑖𝑗𝐿 , 𝑎𝑖𝑗 𝑀, 𝑎𝑖𝑗𝑈 ) merupakan hubungan kepentingan masing-masing kriteria/alternatif dalam perbandingan berpasangan, sedangkan 𝑎𝑖𝑗𝐿 , 𝑎𝑖𝑗 𝑀, 𝑎𝑖𝑗𝑈
menunjukkan secara berurutan nilai minimum, nilai tengah, dan nilai maksimum dari TFN. 𝐴 = 1 ⋯ 𝑎𝑖𝑗 ⋮ 𝑛 ⋮ 𝑎𝑗𝑖 ⋯ 1 .. (1) Dengan nilai n adalah nilai kriteria penilaian atau sub kriteria penilaian. 4: Extent Analysis
Langkah-langkah extent analysis yang pertama adalah menghitung nilai fuzzy syntethic extent [5]. Nilai fuzzy syntethic extent untuk i-objek didefenisikan sebagai: 𝑆𝑖 = 𝑚 𝑀𝑔𝑖𝑗 𝑗 =1 × 𝑀𝑔𝑖 𝑗 𝑚 𝑗 =1 𝑛 𝑖=1 −1 (2) Dimana M adalah TFN, m adalah jumlah kriteria, j adalah kolom, i
adalah baris dan g adalah parameter (l,m,u).
𝑀𝑔𝑖𝑗 𝑚
𝑗 =1 , merupakan operasi penjumlahan TFN dalam setiap baris, yang didefenisikan sebagai:
𝑀𝑔𝑖𝑗 = 𝑚 𝑙𝑗, 𝑗 =1 𝑚𝑗 =1𝑚𝑗, 𝑚𝑗 =1𝑢𝑗 𝑚 𝑗 =1 (3) 𝑀𝑔𝑖𝑗 𝑚 𝑗 =1 𝑛 𝑖=1 ,
merupakan penjumlahan keseluruhan TFN dalam matriks perbandingan berpasangan, yang didefenisikan sebagai: 𝑀𝑔𝑖𝑗 = 𝑛𝑖=1𝑙𝑖, 𝑛𝑖=1𝑚𝑖, 𝑛𝑖=1𝑢𝑖 𝑚 𝑗 =1 𝑛 𝑖=1 (4)
Kemudian menghitung nilai invers dari persamaan (4) sebagai berikut:
𝑚 𝑀𝑔𝑖𝑗 𝑗 =1 𝑛 𝑖=1 −1 = 1 𝑢𝑖 𝑛 𝑖=1 , 1 𝑚𝑖 𝑛 𝑖=1 , 1 𝑙𝑖 𝑛 𝑖=1 (5) Untuk dua TFN, M1 = (l1, m1, u1) dan
M2= (l2, m2, u2) dengan tingkat kemungkinan (M2≥M1) didefenisikan sebagai: 𝑉 𝑀2≥ 𝑀1 = 1, 𝑖𝑓 𝑚2≥ 𝑚1 0, 𝑖𝑓 𝑙1≥ 𝑢2 𝑙1−𝑢2 𝑚2−𝑢2 −(𝑚1−𝑙1) (6) Tingkat kemungkinan untuk bilangan
fuzzy konveks M yang lebih baik dibandingkan k bilangan fuzzy konveks Mi(i=1,2,...k) dapat ditentukan dengan
menggunakan operasi max dan min sebagai: 𝑉 𝑀 ≥ 𝑀1, 𝑀2, … . , 𝑀𝑘 = 𝑉 ≥ 𝑀1 𝑎𝑛𝑑 𝑀 ≥ 𝑀2 𝑎𝑛𝑑. . and 𝑀 ≥ 𝑀𝑘 = min 𝑉 𝑀 ≥ 𝑀𝑖 .. (7) dengan 𝑖 = 1,2,3, … 𝑘. Diasumsikan bahwa 𝑑 𝐴𝑖 = min 𝑉(𝑆𝑖 ≥ 𝑆𝑘) untuk k=1,2,...n; 𝑘 ≠ 𝑖, sehingga vektor bobot didefenisikan sebagai:
𝑊′= (𝑑′ 𝐴1 , 𝑑′(𝐴2, … . . , 𝑑′ 𝐴𝑛 )𝑇 (7)
dengan 𝐴𝑖= 𝑖 = 1,2, … 𝑛 adalah n element. Langkah terakhir adalah normalisasi vektor bobot yang telah diperoleh dengan persamaan:
𝑊 = (𝑑 𝐴1 , 𝑑(𝐴2, … . . , 𝑑 𝐴𝑛 )𝑇 (8)
𝑑 𝐴𝑛 = 𝑑′ 𝐴𝑛
𝑑𝑛1 ′ 𝐴𝑛 (9)
dimana W adalah bilangan non-fuzzy.
3. METODE PENELITIAN
Prosedur penelitian yang dilakukan adalah sebagai berikut:
1. Studi pustaka yang terdiri dari:
a. Petunjuk teknis penentuan pemringaktan Gapoktan dari Kementan tahun 2010.
b. Studi tentang metode AHP c. Studi tentang metode FAHP.
2. Wawancara dengan pihak pelaksana program Gapoktan di tingkat Provinsi NTT. Wawancara ini dimaksud untuk menggali informasi lebih banyak tentang pemeringkatan Gapoktan di tingkat Provinsi NTT.
Patrisius Batarius1), Frengky Tedy2)
Jurusan Teknik Informatika, Fakultas Teknik, Universitas Katolik Widya Mandira Kupang ... 157 3. Penentuan Skala TFN dalam variabel
linguistik berdasarkan ketentuan petunjuk teknis pemeringkatan Gapoktan.
4. Implementasi perhitungan dengan metode FAHP. Implementasi dilakukan sesuai dengan langkah-langkah metode FAHP seperti yang dijelaskan pada point 2 diatas. 5. Penentuan kelas Gapoktan berdasarkan nilai perhitungan dengan metode FAHP.
4. HASIL DAN PEMBAHASAN
Data pemeringkatan Gapoktan dimuat dalam tabel 1. Dari tabel 1 diatas, dibuat model hirarki perangkingan seperti pada gambar 3 berikut: A1 A2 A3 A4 A5 A6 A B Nilai Rating Gapoktan x y z GAPOKTAN Level1 C B1 B3 B4 B5 B6 B7 B8 B9 B10 B2 C1 C3 C4 C5 x y z x y z .. . .. . .. . Level 2 Level 3 Tujuan Aspek Penilaian C2 Sub Aspek Penilaian Indikator Penilaian
Gambar 3. Hirarki perangkingan Gapoktan 4.1. Prosedur Penentuan rating/
pemeringkatan Gapoktan
Dari gambar 3 diatas proses penentuan rating Gapoktan dengan metode FAHP sebagai berikut:
1. Proses penentuan rating Gapoktan a. Setiap nilai bobot indikator dibagi
dengan nilai tertinggi. Nilai indikator ini sebagai input untuk proses perangkingan.
b. Pilih salah satu nilai indikator pada masing-masing indikator penilaian. c. Setiap indikator di kali dengan
matriks prioritas (eigenvector) sub aspek. Hasilnya disebut matriks sub aspek penilaian.
𝑠𝐴 = 𝐼 ∗ 𝑒𝑠𝐴 𝑇 (11) Keterangan:
sA : Matriks sub Aspek
I : Matriks indikator
bSA : matriks bobot sub aspek d. Matriks sub aspek penilai pada
langkah c dikali dengan matriks prioritas pada aspek penilalan.
Hasilnya sebagai nilai perangkingan Gapoktan.
𝐴 = 𝑠𝐴 ∗ 𝑏𝐴 𝑇 (12) Keterangan:
A : Matriks aspek sebagai hasil akhir nilai prestasi Gapoktan
sA : Matriks sub ASPEK
bA : Matriks bobot aspek 4.2. Penentuan Kelas Gapoktan
Berdasarkan petunjuk teknis pemeringkatan Gapoktan tahun 2011, pemeringkatan Gapoktan diklasifikasi dalam 3 kelas dengan rentangn nilainya sebagai berikut:
Tabel 3. Klasifikasi Gapoktan No Klasifikasi Nilai rating 1 Kelas pemula 0 - 105 2 Kelas madya 106 – 210 3 Kelas Utama 211 – 315 Nilai pada tabel 3 diatas, dibuat rentangan nilainya dalam skala [0 1]. Tujuannya untuk menyesuaikan hasil penilaian dengan perhitungan metode FAHP. Dengan demikian klasifikasi Gapoktan dengan rentangan nilai dengan metode FAHP seperti data pada tabel 4.
Tabel 4. Klasifikasi Gapoktan Dengan nilai FAHP
No Klasifikasi Nilai perangkingan 1 Kelas pemula 0,000 - 0,334 2 Kelas madya 0,336 - 0,667 3 Kelas Utama 0,669 - 1,000 4.3. Penentuan Bobot Masing-masing
Kriteria Penilaian
Berdasarkan persamaan satu dan data dari tabel 1, pembentukan matriks berpasangan dilakukan dengan mengambil bobot aspek penilaian, atau sub aspek penilaian. Nilai 𝑎𝑖𝑗𝐿 , 𝑎𝑖𝑗 𝑀, 𝑎𝑖𝑗𝑈
menunjukkan secara berurutan nilai minimum, nilai tengah, dan nilai maksimum dari TFN disesuaikan dengan bobot aspek penilaian, atau sub aspek penilaian yang diberikan.
Jika diketahui bobot dan kriterianya sebagai berikut:
Tabel 5. pembentukan matriks TFN Kriteria C1 C2 Cn
Nilai N1 N2 Nn Keterangan:
N = Nilai kriteria
Proses penentuan matriks berpasangannya sebagai berikut:
Ketarangan: l = low (rendah), m = medium (sedang), u = upper (tinggi).
x = nilai triangular fuzzy yang ditambahkan dan dikurangi dari nilai kriteria.
Selanjutnya untuk mengisi semua elemen matriks triangular fuzzy secara keseluruhan mengikuti aturan pererti yang ditunjukan pada persamaan (14).
Berdasarkan persamaan 14 diatas, maka proses selanjutnya dilakukan dengan langkah-langkah metode FAHP, dicari nilai bobot untuk setiap aspek penilaian dan sub aspek penilaian.
1. Bobot aspek penilaian.
Pendekatan dengan metode FAHP, berdasarkan bobot penilaian pada tabel 1, data perbandingan TFN sebagai berikut:
Dengan menggunakan persamaan 14,
extent analysis untuk aspek penilaian sebagai berikut:
Dengan menggunakan persamaan (2), diperoleh nilai fuzzy sysntethic extent aspek penilaian, seperti yang ditunjuk pada tabel 6.
Tabel 6. Nilai fuzzy syntethic extent aspek penilaian:
Kriteria Nilai fuzzy sysntethic extent
A 0,1295 0,300 0,688 B 0,1295 0,300 0,688 C 0,1704 0,400 0,952
Dengan menggunakan persamaan (6), dicari derajat kemungkinan antara ke-3 aspek penilaian.
V S
A
> 𝑆B
= 1V S
A
> 𝑆C
= 0,838V S
B
> 𝑆C
= 0,838Selanjutnya dengan persamaan (7),
diperoleh nilai min
𝑉(𝑆
𝑖≥ 𝑆
𝑘)
pada tabel 7.
Tabel 7. min
𝑉(𝑆
𝑖≥ 𝑆
𝑘)
aspek
penilaian.
A B C A 1,000 1,000 B 1,000 1,000 C 0,838 0,838 Min 0,838 0,838 1,000Dengan menggunakan persamaan
(8) diperoleh bobot w’untuk masing
masing aspek penilaian, yaitu
w’=(0,313, 0,313, 0,374).
2. Bobot sub aspek penilaiana. Bobot sub aspek penilaian A, terdiri dari 6 sub aspek penilaian. berdasarkan bobot penilaian pada tabel 1, data perbandingan TFN sebagai berikut: (13) l m u l m u l m u l m u l m u l m u A1 5 6 7 A2 4 5 6 A6 A1 A2 A3 A4 A5 l m u l m u l m u A 29 30 31 B 20 30 40 C 30 40 50 A B C l m u l m u l m u A 1,000 1,000 1,000 0,500 1,000 2,000 0,400 0,750 1,333 B 0,500 1,000 2,000 1,000 1,000 1,000 0,400 0,750 1,333 C 0,750 1,333 2,500 0,750 1,333 2,500 1,000 1,000 1,000 A B C l m u l m u l m u N1-x N1 N1+x (N1-x)/(N2+x) N1/N2 (N1+x)/(N2-x) (N1+x)/(N3-x) N1/N3 (N1+x)/(N3-x) C= (N2-x)/(N1+x) N2/N1 (N2+x)/(N1-x) N2-x N2 N2+X (N2-x)/(N3+x) N2/N3 (N2+x)/(N3-x) N3-1/N1+1 N3/N2 N3+1/N2-1 (N3-x)/(N2+x) N3/N2 (N3+x)/(N2-x) N3-X N3 N3+X l m u l m u l m u N1-x N1 N1+x C= N2-x N2 N2+x N3-x N3 N3+x (14)
Patrisius Batarius1), Frengky Tedy2)
Jurusan Teknik Informatika, Fakultas Teknik, Universitas Katolik Widya Mandira Kupang ... 159 Dengan persamaan 14 extent analysis
untuk sub aspek penilaian A sebagai berikut:
Dengan menggunakan persamaan (2), diperoleh nilai fuzzy syntethic extent sub aspek penilaian A, seperti yang ditunjukan pada tabel 8, dengan persamaan 6 dan 7 diperoleh nilai derajat kemungkinan dan nilai minimumnya seperti pada tabel 9.
Tabel 8. Nilai fuzzy syntethic extent sub aspek penilaian A
Kriteria Nilai fuzzy syntethic extent A1 0,102 0,200 0,394 A2 0,084 0,167 0,331 A3 0,084 0,167 0,331 A4 0,084 0,167 0,331 A5 0,084 0,167 0,331 A6 0,066 0,133 0,267
Tabel 9. Derajat kemungkinan dan nilai minimum sub aspek penilaian A
A1 A2 A3 A4 A5 A6 A1 0,873 0,873 0,873 0,873 0,711 A2 1,000 1,000 1,000 1,000 0,846 A3 1,000 1,000 1,000 1,000 0,846 A4 1,000 1,000 1,000 1,000 0,846 A5 1,000 1,000 1,000 1,000 0,846 A6 1,000 1,000 1,000 1,000 1,000 Min 1,000 0,873 0,873 0,873 0,873 0,711 Dengan menggunakan persamaan (8) diperoleh bobot w’=(0,192, 0,168, 0,168, 0,168, 0,168, 0,137). Dengan cara yang sama, dicari bobot sub aspek penilaian B dan sub aspek penilaian C.
b.Bobot sub aspek penilaian B. Perbandingan TFN sub aspek penilaian B
Dengan persamaan 14 extent analysis untuk sub aspek penilaian A sebagai berikut:
Selanjutnya nilai fuzzy syntethic dan derajat kemungkinan serta nilai minimum sub aspek penilaian B ditunjukan pada tabel 12 dan 13.
Tabel 12. Nilai fuzzy syntethic extent sub aspek penilaian B:
Kriteria Nilai fuzzy syntethic extent B1 0,034 0,100 0,276 B2 0,034 0,000 0,267 l m u l m u l m u l m u l m u l m u A1 1,000 1,000 1,000 0,833 1,200 1,750 0,833 1,200 1,750 0,833 1,200 1,750 0,833 1,200 1,750 1,000 1,500 2,333 A2 0,571 0,833 1,200 1,000 1,000 1,000 0,667 1,000 1,500 0,667 1,000 1,500 0,667 1,000 1,500 0,800 1,250 2,000 A3 0,571 0,833 1,200 0,667 1,000 1,500 1,000 1,000 1,000 0,667 1,000 1,500 0,667 1,000 1,500 0,800 1,250 2,000 A4 0,571 0,833 1,200 0,667 1,000 1,500 0,667 1,000 1,500 1,000 1,000 1,000 0,667 1,000 1,500 0,800 1,250 2,000 A5 0,571 0,833 1,200 0,667 1,000 1,500 0,667 1,000 1,500 0,667 1,000 1,500 1,000 1,000 1,000 0,800 1,250 2,000 A6 0,429 0,667 1,000 0,500 0,800 1,250 0,500 0,800 1,250 0,500 0,800 1,250 0,500 0,800 1,250 1,000 1,000 1,000 A1 A2 A3 A4 A5 A6 l m u l m u l m u l m u l m u l m u l m u l m u l m u l m u B1 2 3 4 B2 2 3 4 B3 2 3 4 B4 4 5 6 B5 1 2 3 B6 2 3 4 B7 1 2 3 B8 1 2 3 B9 1 2 3 B10 4 5 6 B6 B7 B8 B9 B10 B1 B2 B3 B4 B5
B3 0,037 0,000 0,256 B4 0,075 0,000 0,379 B5 0,022 0,000 0,167 B6 0,047 0,000 0,212 B7 0,027 0,000 0,136 B8 0,031 0,000 0,114 B9 0,034 0,000 0,092 B10 0,139 0,000 0,178 Tabel 13. Derajat kemungkinan dan nilai minimum sub aspek penilaian B.
B1 B2 B3 B4 B5 B6 B7 B8 B9 B10 B1 0,700 0,690 0,060 0,571 0,640 0,506 0,445 0,367 0,591 B2 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 B3 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 B4 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 B5 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 B6 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 B7 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 B8 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 B9 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 B10 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 Min 1,000 0,700 0,690 0,060 0,571 0,640 0,506 0,445 0,367 0,591
Dengan menggunakan persamaan (8) diperoleh bobot w’=(0,180, 0,126, 0,124, 0,011, 0,103, 0,115, 0,091, 0,080, 0,066, 0,106,).
c. Bobot sub aspek penilaian C. Perbandingan TFN sub aspek penilaian C
Menggunakan persamaan 14, extent analysis untuk sub aspek penilaian C sebagai berikut:
Selanjutnya nilai fuzzy syntethic dan derajat kemungkinan serta nilai minimum sub aspek penilaian C ditunjukan pada tabel 14 dan 15.
Tabel 14. Nilai fuzzy syntethic extent sub aspek aspek penilaian C: Kriteria Nilai fuzzy syntethic extent
C1 0,157 0,250 0,399
C2 0,077 0,125 0,201
C3 0,157 0,250 0,399
C4 0,157 0,250 0,399
C5 0,077 0,125 0,201
Tabel 15. Derajat kemungkinan dan nilai minimum sub aspek penilaian C
Dengan menggunakan persamaan (8) diperoleh bobot w’=(0,284, 0,073, 0,284, 0,284, 0,073). Perhitungan Nilai Pemeringaktan Gapoktan sebagai berikut:
1. Pilih salah satu nilai indicator penilaian. Nilai masing-masing indicator seperti pada tabel 1 diatas. Sebagai contoh:
a. Input untuk sub aspek penilaian A, indikator penilaian yang dipilih adalah: [18 10 5 5 5 12]. Data input ini setelah dibagi dengan nilai tertinggi untuk masing-masing indikator menjadi [1,00 0,667 0,333 0,333 0,333 1,000].
b. Input untuk sub aspek penilaian B, indikator penilaian yang dipilih adalah:
[6 6 3 15 6 9 4 6 2 10]. Setelah dibagi dengan nilai tertingi untuk masing-masing indikator maka inputnya menjadi [0,667 0,667 0,333 C1 C2 C3 C4 C5 C1 0,258 1,000 1,000 0,258 C2 1,000 1,000 1,000 1,000 C3 1,000 0,258 1,000 0,258 C4 1,000 0,258 1,000 0,258 C5 1,000 1,000 1,000 1,000 Min 1,000 0,258 1,000 1,000 0,258 l m u l m u l m u l m u l m u C1 9 10 11 C2 4 5 6 C3 9 10 11 C4 9 10 11 C5 4 5 6 C1 C2 C3 C4 C5 l m u l m u l m u l m u l m u C1 1,000 1,000 1,000 1,500 2,000 2,750 0,818 1,000 1,222 0,818 1,000 1,222 1,500 2,000 2,750 C2 0,364 0,500 0,667 1,000 1,000 1,000 0,364 0,500 0,667 0,364 0,500 0,667 0,667 1,000 1,500 C3 0,818 1,000 1,222 1,500 2,000 2,750 1,000 1,000 1,000 0,818 1,000 1,222 1,500 2,000 2,750 C4 0,818 1,000 1,222 1,500 2,000 2,750 0,818 1,000 1,222 1,000 1,000 1,000 1,500 2,000 2,750 C5 0,364 0,500 0,667 0,667 1,000 1,500 0,364 0,500 0,667 0,364 0,500 0,667 1,000 1,000 1,000 C1 C2 C3 C4 C5
Patrisius Batarius1), Frengky Tedy2)
Jurusan Teknik Informatika, Fakultas Teknik, Universitas Katolik Widya Mandira Kupang ... 161 1,00 1,00 1,00 0,667 1,00
0,33 0,667 ]
c. Input untuk sub aspek penilaian C, indikator penilaian yang dipilih adalah:
[30 15 30 30 30 30]. Setelah dibagi dengan nilai tertingi untuk masing-masing indikator maka inputnya menjadi [0,667 1,00 0,333 1,00 1,00]
2. Masing-masing kelompok input dikali dengan bobot matriks transpose sub indikator.Sesuai dengan persamaan (11) diatas
𝑠𝐴 = 𝐼 ∗ 𝑒𝑠𝐴 𝑇
a. Sub aspek penilaian A
sA= [1.00 0.667 0.333 0.333 0.333 1.00]* [0.192 0.168 0.168 0.168 0.168 0.137]T.
sA=0,6098
b. Sub aspek penilaian B
sA=[0,667 0,667 0,333 1,00 1,00 1,00 0,667 1,00 0,33 0,667 ]* [0.180 0.126 0.124 0.011 0.103 0.115 0.091 0.080 0.066 0.106]T sA=0,7076
c. Sub aspek penilaian C
sA= [0.667 1.00 0.333 1.00 1.00]* [0.284 0.073 0.284 0.284 0.073]T
sA=0,714
3. Langkah selanjutnya adalah, nilai sub aspek pada langkah 2 dikali dengan bobot aspek. Perkalian ini dalam bentuk matriks. Hasil perkalian tersebut sebagai nilai akhir pemeringkatan Gapoktan dengan metode FAHP. Perkalian ini menggunakan persamaan (12).
𝐴 = 𝑠𝐴 ∗ 𝑏𝐴 𝑇 =[0,6098 0,7076 0,714]*[0,313 0,313 0,374]=0,6794 4. Hasil pada langkah 3 diatas,
berdasrkan data pada tabel 4, maka Gapoktan yang dinilai tersebut dikelompokan dalam kelas utama. 5. Perbandingan Hasil Metode FAHP
Dengan Perhitungan Manual.
Data pada tabel 16 menunjukan contoh 7 data input untuk dihitung menggunkana metode FAHP.
Tabel 16. Contoh data input 6 Gapoktan Sub
Aspe
Data input 7 Gapoktan G1 G2 G3 G4 G5 G6 k A 18 18 18 12 18 6 15 15 15 10 15 5 15 15 15 10 15 5 15 15 15 10 15 5 15 15 15 5 15 5 12 12 8 8 12 4 B 6 6 9 6 9 3 6 6 9 6 9 3 6 6 9 6 9 3 10 10 15 10 15 5 4 4 6 4 6 2 6 6 6 6 9 3 4 4 4 4 6 2 4 4 4 4 6 2 4 4 4 4 6 2 10 10 10 10 15 5 C 20 20 20 20 30 10 15 10 10 10 15 5 30 30 20 20 30 10 30 30 30 20 30 10 30 30 30 20 30 10 Total 275 270 272 205 315 105
Table 17. Hasil perbandingan metode FAHP dengan perhitungan manual
Gapo ktan Hasil Hitu ng Man ual Perhitungan Metode FAHP Tingkat keakurat an Sebelum dikali 315 Sesudah dikali 315 G1 275 0,860 270,96 99,98% G2 270 0,851 268,08 99,99% G3 272 0,857 270,26 99,99% G4 205 0,650 204,75 99,69% G5 315 1,000 315 100% G6 105 0,333 105 100%
Hasil penilaian dengan menggunakan metode FAHP, selanjutnya dilakukan pengklasifikasian Gapoktan ke dalam 3 kelas. Berdasarkan tabel 4, pengelompokan Gapoktan hasil metode FAHP dan perhitungan manual sebagai berikut:
Tabel 18. Perbandingan klasifikasi metode FAHP dan perhitungan manual Gapo
ktan
Nilai Kelas
FAHP Manual FAHP Manual G1 0,860 275 Utama Utama G2 0,851 270 Utama Utama G3 0,857 272 Utama Utama G4 0,650 205 Madya Madya G5 1,000 315 Utama Utama G6 0,333 105 Pemula Pemula
6. KESIMPULAN
Beberapa kesimpulan yang dapat diambil: 1. Metode FAHP sebagai salah satu
alternatif penentuan perangkingan dan pengklasifikasian Gapoktan.
2. Data tabel dalam bentuk hirarki dipat dilakukan proses perangkingan dengan metode FAHP.
3. Tingkat keakuratan dari metode FAHP dalam proses penentuan rangking Gapoktan adalah 99,10%.
7. REFERENSI
[1] Anonim, 2010, Petunjuk Teknis Pemeringkatan (Rating) Gapoktan Pengembangan Usaha Agribisnis
Perdesaan Menuju Lembaga
Keuangan Mirko-Agribisnis (LKM-A), 2010.
[2] Ernawati, Dwiandiyanta, Y., Batarius P., 2013, Analisis Dan Perancangan Sistem Pendukung Keputusan Penilaian Gabungan Kelompok Tani Berbasis Web, Proceeding Seminar
Nasionan Matematika dan
Aplikasinya, 21 September 2013, Univ Airlangga Surabaya, Hal.411-417.
[3] Batarius, P., 2013, Analisis Metode AHP Dalam Penentuan Prestasi Gabungan Kelompok Tani, Seminar Nasional Teknologi Informasi Dan Komunikasi 2013 (SENTIKA 2013), 9 Maret 2013, UAJY Yogyakarta, Hal. 120-128.
[4] Batarius, P., Tedy, F., 2014, Pemeringkatan Gabungan Kelompok Tani (Gapoktan) Menggunakan Metode Analityc Hierarchy Process (AHP), Seminar Nasional Riset Inovatif II, 21-22 November 2014, Universitas Pendidikan Ganesha, Bali, Hal. 1088-1108
[5] Chang, D. Y., 1996, Application of The Extent Analysis Method on Fuzzy AHP, European Journal of Operational Research 95, 649-655.
[6] Lee, H. S., (2009), Using Fuzzy AHP to Develop Intellectual Capital Evaluation Model for Assessing Their Performance Contribution in a University.
[7] Chi Hsin-Kuang, Yeh H. R., Liao, Li-h., 2008, Applying Fuzzy Analytic Hierarchy Process to Explore the University Organizational Performance in Taiwan, The Journal of Human Resource and Adult Learning, Vol. 4, Num 1, Jun.
[8] Cebeci, Ufuk, 2009, Fuzzy AHP-based decision support system for selecting ERP systems in textile industry by using balanced scorecard, Expert Systems with Applications 36, 8900–8909.
[9] Ko, Hyun Jeung, 2009, A DSS approach with Fuzzy AHP to facilitate international multimodal transportation network, KMI International Journal of Maritime Affairs and Fisheries, 1, 51-70. [10] Aghataher, R, M.R. Delavar, M.H.
Nami dan N. Samnay, 2008, A Fuzzy-AHP Decision Support System for Evaluation of Cities Vulnerability Against Earthquakes, World Applied Sciences Journal 3 (Supple 1): 66-72, ISSN 1818-4952.
[11] Kabir, Golam dan M. Ahsan Akhtar Hasin, 2012, Multiple criteria inventory classification using fuzzy analytic hierarchy process, International Journal of Industrial Engineering Computations 3, 123– 132.
[12] Chatterjee, Debmallya, Subroto Chowdhury, dan Bani Mukherjee, 2010, A Study Of The Application Of Fuzzy Analytical Hierarchical Process (FAHP) In The Ranking Of Indian Banks, International Journal Of Engineering Science And Technology Vol. 2(7), 2511-2520, ISSN: 0975-5462.