Gambar 2.3. Jenis kumpuian Fuzzy yang digunakan 34. Gambar 2.4. Grafik penjelasan dari keselumhan proses 36

(1)

DAFTAR GAMBAR

Gambar 2.1. Dominasi ELECTRE 21

Gambar 2.2. Dominasi GPAP 29

Gambar 2.3. Jenis kumpuian Fuzzy yang digunakan 34

Gambar 2.4. Grafik penjelasan dari keselumhan proses 36

Gambar 3.1. Kerangka penelitian 39

Gambar 4.1. Dominasi ELECTRE 47

Gambar 4.2. Dominasi GPAP 59

Gambar 4.3, Neraca 61

Gambar 4.4. Local Content 61

Gambar 4.5. Kemampuan Dasar 62

Gambar 4.6. Price 62

Gambar 4.7. Delivery Time 63

Gambar 4.8. Spreadsheet antar muka 68

Gambar 4.9. kumpuian fuzzy edit antar muka 68

Gambar 4.10. Pembangunan Query dan hasil akhir antarmuka 69

Gambar 4.! 1. Hasil MCDM Expert System 69

(2)

Eugenvector = WXN1 =

"0,22 0,18 0,24 0,22

0,15J

Demikian langkah yang sama juga dilakukan pada matrik 3dan 4sehingga

didapatkan hasil sebagai berikut:

Tabel 2.8. Tabel Eugenvector matrik dasar

Wj W2 W3 _W4 i i

1

A 0,20 0,18 0,12 0,18 B 0,13 I

0,22 10,29

0,27 C 0,27 0,16 0,24 0,15 D _0,33 _0,18 _0,18 _0,18 E 0,07 0,26 0,18 0,24 |

il 2.9._{Tabel Eugenvector mat}_{rik tran}

*P

Wxl

W\

\

K

A 0,15 0,22

_{0,31 |}

0,21 B 0,22 0,18 0,12 0,16 C 0,11 _0,24 _0,15 j 0,26

D | 0,09

0,22 0,21 0,21

E j0,44

0,15 j 0,21

1

0,16

(3)

o 03

1

en "3

1

to en 00 3. O O 'si 3 P

'%

•P to P-3 •3 en 03 -P

I

"xfi P tO S3 % •p •3

I

1^ P.

1 I

%

P-en O c3

1

en

!

3: 00 -ft "3 en 60 >-»

•s

S3

3

'3

%

S5 P/

I

^o

t

a 03 a o3 00 to -P

4

00 S •p en a 3 e o3 03 en p-tO 00 o3 00

I

to to p. 03

'S.

00 3

1

^ £ 03 en p. to 03 -P

%

o en p-3 ?? 15

5

13. 03

!

i

"4> o

!

"J 15 P

1

4

P

1

3 P* en •a en -P rft en 00

1 \

00

"I

1

1 I

p .2 3 00 s

1

to

*

tO 03

I

£> 03 03 ft" 6 u v. MA cs P

%

to p-en to en O s->

P-\

3 CO t/2 en (S3 -P ,P

&

^ ^ 3 P-'-o en 00 00

•I

2 "P

'1

3

o to Q en to en O 1— P* 3 tO en O u3 en 03 '0?

•I

to P 03 o 9 -t3 03 03 -P 03 03 ^b 03

"I

bo -P

I

&0 p. en

I

P-4

I

to S o to

"I

1

p 03 P O en to P-to p-ts> v. O o 03

1

en to "3

%

I

3

i

en P 03 p 3 15

1

P-a to -P G 3 03

1

P-a ^

1

t>

I

O -3 '9 -p to -p

I

p-•3 -p 00 03 1/3 •c p en

1

"3 en 5 •J en o en

P-I

1

"to -p

I

03 03 e«. 03 3 00 8» Q •s.

1

t3

I

1

tO en to 00 >-> 1j -p

I

1

CO 03 "to en "3 p O 03 03 -p 03 P to 03 % 0 O ^_;

S

e> r* P 03 -P 00 00 s p. 03 "3 to -P o S 03 •2 15 03 a

s

to 03

I

p 'p 00 « "3 •c to

1 i

00 to Q •3 en 03 03 -P to P--P to en 00 % M to -P o

•1

00 % 03

(4)

2.3.4 MCDM Expert System

Secara umum proses pembuatan keputusan adalah proses pencanan

pemililian terbaik dari sebuah kumpuian objek yang diperlukan. Hampir semua

kasus pengambilan keputusan terdapat lebih dari satu kriteria yang saling

bertentangan, yang harus dipertimbangan, yang kemudian disebut dengan Multi

Criteria Decision Making (MCDM). MCDM dapat mempertimbangkan

kompleksitas dan proses dinamik.sebab membutuhkan integrasi dari informasi

manajerial dan rekayasa komputasi untuk membuat keputusan. Manajerial

personal dapat memberikan informasi tentang kriteria yang harus

dipertimbangkan dalam proses pengambilan keputusan sehubungan dengan

scores dan weights. Oleh karena rekayasa personal dapat memodelkan semua

informasi sampai kepada bentuk struktur dan memberikan teknik perhitungan

khusus untuk memperoleh score yang dapat diterima oleh logika rnanusia.

MCDM konvensional selalu menggunakan eksak pedeterminan score

dan weight. Score dan weight dapat ditentukan oleh pakar atau melalui studi

pendahuluan menggunakan daftar pertanyaan. Narnun demikian, data eksak

tidak cukup untuk model dalam kasus nil. Sebagai contoh, preferensi rnanusia

yang selalu didasarkan kepada linguistic alami, selalu kabur dan tidak dapat

dimodelkan menggunakan eksak data numeris. Lebih dari itu, sistem MCDM

yang bukan manajerial atau rekayasa personal dari pemodelan oleh linguistic

alami, akan lebihdisukai dari padamodel matematik.

Banyak model yang dapat digunakan untuk menganalisa MCDM. Salah

satu dari metode yang dipresentasikan didalam beberapa literatur

adalah

(5)

-*• o d r (b) •> 0*-, r -■♦ (c)

Gambar 2.3. Jenis Kumpuian Fuzzy Yang Digunakan

j i,n a < x < D

!. 6r-/>)

Av = i

JO, if X>C

, i i // < X < C Mx = i 1,if x = e \x-d)

(e-d)

**^Ax-*) ?**

0, if a- > / or x < d ,tid<. /'', i,il // < ,v < / dimanc (U ••(2) ...(3)

M

•Ni!ai keanggotaan untuk kriteria nilai.

: Criteria value

d b. c, d, e.fg, h, i :parameter dalam kumpuian Fuzzy

Langkah kedua. pembangunan kumpuian sistem Fuzzy adalah evaluasi

«g, et.al., 2006], Setelah pakar menentukan kumpuian Fuzzy, maka

pengetahuan juga akan di presentasikan dalam bentuk aturan Fuzzy. Pendekatan

mi berbcda dengan sistem Fuzzy MCDM yang diajukan. Dalam sistem yang

diajukan, pengetahuan Pakar telah digunakan untuk menentukan kriteria dan

nilai dan kumpuian Fuzzy untuk setiap kntena dan nilai parameternya. Variabel

Fuzzy linguistic akan digunakan untuk membangun sebuah Fuzzy query

(6)

Akan memberikan lima inacain nilai // untuk semua objek kompetensi,

yaitu /.i untuk nilai Icriteria dari 'Neraca' yang dipetakan sampai pada

'Rata-rata' kumpuian Fuzzy.

Setelali nilai keauggotaan dari kriteria yang dipesan ditentukan, nilai

kekuatan untuk setiap objek kompetensi dapat ditentukan dengan mengaplikasikan operasi mathematika yang dihubungkan dengan yang digunakan. Hasil dari langkah ini akan disimpan sampai menjadi tabel sementara dalam database dalam pesanan dengan urutan terbaik (in descending order) mengacu pada nilai kekuatan values dan semua objek kompetensi. Pada akhirnya, hasilnya akan dapat ditampilkan dalam pemakaian antara muka (user interface)sehingga pengguua dapat mengevaluasi dan memilih vendor yang

PiUiibiisi'

I'riti- • loin! | Strii.

I'liz/y Query

I'll/A Sl'l

v x

Nil. lllitcK Strciall;

—

(7)

BAR IBill

METODOLOGI PENELITIAN

3A. Objek Penelitian

Objek penelitian adalah vendor yang mengikuti tender dalam bidang well

connection. Penelitian ini dilakukan di departemen SC'MPL di TOTAL E&P

INDONES1E. Penelitian difokuskan pada pemilihan vendor dan cara mengatasi

keterlambatan pengadaan barang oleh vendor.

3.2. Data dan Metode Pengumpulan Data

Data dapat dikclompokkan menjadi 2, yaitu:

!. Data primer, yaitu data-data yang didapat dari observasi atau penelitian

Iangsung di lapangan. Dalam penelitian ini, data primer berupa harga,

kualitas prcduk, ketersediaan bahan pasokan, lokasi, kualitas distribusi,

kemampuan keuangan.

2. Data sekunder, yaitu data-data yang didapatkan dari literature atau

penelitian-penelitian yang sudah ada sebelumnya. Dalam penelitian ini,

data sekundei berupa sistem informasi dan sistem manajemen kualitas

yang baik.

(8)

3.4. Flow Chart Penyelesaian Masalah T induktif Pengolahan data dengan metode Mudy Literatur

±

Fokus Kajian Identifikasi dan perumusan masalah Penentuan metode Pengambilan keputusan

+

Pengolahan data dengan metode T.DAO Hasil Kesimpulan Deduktif Pengolahan data dengan metode EXPERT SYSTEM

(9)

Tabel 4.4 Concordance 1 2 1 3 4 5 1 - 0,84

] 0,84

1 _0,21 2 0 -j 0,63 0,79 0,21 3 0,16 0,37 » 0,79 0,21 4 0 0,21 0,21 _ 0,37 5 I 0,79 0,79 0,79 0,79 -Tabel 4.5 Discordance 1 J A ₅ 1 - 0 0,28 0 0,85 2 0,25 - 0,28 0,02 1 3 0,24 0,02 _ 0,05 0,99 4 0,2! 0,05 0,43 _ 1

5 !

i 1 0,98 0,97 0,86 i 49

2. Menentukan ambang batas Concordance (C*) dan ambang batas

Discordance(D*).

Ambang batas yang digunakan adalali rata-rata dan Concordance dan

Discordance.

C* - rata-rata dari Concordance indeks =—=04

25

8 7

D* = rata-rata dan Discordance indeks = — =035

(10)

3. Menentukan dominasi dari altematif berdasarkan ambang batas Concordance

dan Discordance. Syarat dominasinya adalah apabila C(i,j) > 0,4 dan D(i,j) < 0,35 maka altematif i mendominasi alternatif j. Didapatkan hasil dominasi

sebagai berikut

• 1 mendominasi 2,3,4 • 4 mendominasi -• 2 mendominasi 3,4 • 5 mendominasi

-• 3 mendominasi 4

Untuk mendapatkan hasil dominasi yang lebih pasti maka ambang batas C (C*) dinaikkan dan ambang batas D (D*) diturunkan. Beiikut ini disajikan Tabel 4.5 dari hasil perubahan C* dan D*

rabel 4.6 Hasil Perubahan C* dan D*

Concordance Discordance Dominator Dominated

1 0,45 0,3 1 2,3,4 2 3,4 3 4 2 0.6 0,15 1 2,4 2 4 3 4

Sehingga didapatkan hasil dominasi sebagai berikut:

G)

or;

(11)

Berdasarkan anlisa diatas nraka, vendor yang dipilih merupakan vendor ^

delivery ,ime paHng cepa, dan narga pa,ing rendah. Dan kriteria tersebu, sanga, sesuai

(12)

Kesimpulan Dan Saran

Kesimpuian dan sara„ dapa, diiakukan berdasarkan kepada nasi, yang diper0|eh ^

« IV dengan n,empertimba„gka„ basil pembabasa„ pada bab V, sebagai berik,

5.1 Kesimpulan

Hasil kesimpuian yang diperoleh sebagai beriku,:

cut :

'• Dari ke,iga me,ode penyelesaian yang digunakan, ,erdaF, dua metode

nasi, dari Me,„de PTK 007 yang dipakai o,e„ peruSanaa„ Tota, E&p

Indonesie.

2. Vendor yang ,ert,aik dari nasi, metode ELECTRE dan MCDM expert

system adalah CV Cahaya Budi Sejahtera.

3. Kedua me.ode ELECTRE dan MCDM expert system memberikan nasi,

yang sama. Karena menggunakan nil^Hai variabe,. serta operasi fuzzy

set yang dilakukan.

(13)

76

5. Dari hasil yang diperoleh ternyata metode MCDM expert system lebih baik

dari metode ELECTRE dan GPAP.

5.2 Rekomendasi

Hasil penelitian ini dapat menambah khasanah keilmuan khususnya dalam

bidang MCDM, sehingga penelitian ini perlu dilanjutkan. Khusus penelitian MCDM

pemilihan vendor, perlu juga dilanjutkan dengan menambah beberapa parameter atau

variabel yang belum tercakup seperti dalam penelitian ini. Disamping itu juga

penelitian MCDM expert system dapat dilaksanakan untuk area yang lain seperti

pemilihan hotel, lokasi industri dan lainnya. Sehingga dalam penentuannya dapat lebih

meringankan serta lebih berbobot hasilnya. Serta dapat menggunakan metode lain

yang mungkin lebih dapat dipertanggungjawabkan validasinya, seperti : satisficing,

(14)