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
Eugenvector = WXN1 =
"0,22 0,18 0,24 0,220,15J
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 I0,22 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 matrik tran
*P
Wxl
W\
\K
A 0,15 0,220,31 |
0,21 B 0,22 0,18 0,12 0,16 C 0,11 0,24 0,15 j 0,26D | 0,09
0,22 0,21 0,21E j0,44
0,15 j 0,21
1
1
0,16o 03
1
en "31
to en 00 3. O O 'si 3 P'%
•P to P-3 •3 en 03 -PI
"xfi P tO S3 % •p •3I
1^ P.1
I
%
P-en O c31
en!
3: 00 -ft "3 en 60 >-»•s
S33
'3%
S5 P/I
^ot
a 03 a o3 00 to -P4
00 S •p en a 3 e o3 03 en p-tO 00 o3 00I
to to p. 03'S.
00 31
^ £ 03 en p. to 03 -P%
o en p-3 ?? 155
13. 03!
i
"4> o!
"J 15 P1
4
P1
3 P* en •a en -P rft en 001
\
00"I
1
1
I
p .2 3 00 s1
to*
tO 03I
£> 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 -PI
&0 p. enI
P-4
I
to S o to"I
1
p 03 P O en to P-to p-ts> v. O o 031
en to "3%
I
3i
en P 03 p 3 151
P-a to -P G 3 031
P-a ^1
t>I
O -3 '9 -p to -pI
p-•3 -p 00 03 1/3 •c p en1
"3 en 5 •J en o enP-I
1
"to -pI
03 03 e«. 03 3 00 8» Q •s.1
t3I
1
tO en to 00 >-> 1j -pI
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 as
to 03I
p 'p 00 « "3 •c to1
i
00 to Q •3 en 03 03 -P to P--P to en 00 % M to -P o•1
00 % 032.3.4 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
-*• o d r (b) •> 0*-, r -■♦ (c)
Gambar 2.3. Jenis Kumpuian Fuzzy Yang Digunakan
j i,n a < x < D!. 6r-/>)
Av = iJO, 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
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;
—
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.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 SYSTEMTabel 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 _ 15
!
i 1 0,98 0,97 0,86 i 492. 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
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;
Berdasarkan anlisa diatas nraka, vendor yang dipilih merupakan vendor ^
delivery ,ime paHng cepa, dan narga pa,ing rendah. Dan kriteria tersebu, sanga, sesuai
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.
76
5. Dari hasil yang diperoleh ternyata metode MCDM expert system lebih baik
dari metode ELECTRE dan GPAP.
5.2 Rekomendasi