PENERAPAN METODE AHP DAN MOORA PADA
SISTEM PENDUKUNG KEPUTUSAN
PEMILIHAN KARPET TERBAIK
SKRIPSI
Diajukan untuk memenuhi salah satu syarat kelulusan Program Sarjana
ELVIRA
NIM : 15160343
Program Studi Ilmu Kompuer Kampus Kota Sukabumi
Fakultas Teknik Dan Informatika
Universitas Bina Sarana Informatika
ii
PERSEMBAHAN
Amsal 1:5
“Baiklah orang bijak , mendengar dan menambah ilmu dan baiklah orang yang berpengertian memperoleh bahan pertimbangan.”
Segala puji bagi Tuhan Yang Maha Esa yang memberkati penulis selama
penyusunan skripsi ini. Maka, skripsi ini penulis persembahkan untuk:
1. Orang tua dan keluarga tercinta yang telah melahirkan, merawat, mendidik,
memotivasi, serta memberi apa yang terbaik untuk menuju kesuksesan
dimasa yang akan datang.
2. Dosen yang telah mengajar, mendidik dan membimbing selama penyusunan
skripsi ini.
3. Teman-teman seperjuangan yang telah memberikan bantuan material maupun
iii
SURAT PERNYATAAN KEASLIAN SKRIPSI
Yang bertanda tangan dibawah ini:
Nama : Elvira
NIM : 15160343
Jenjang : Strata Satu (S1)
Program Studi : Ilmu Komputer Kampus Kota Sukabumi Fakultas : Teknologi dan Informatika
Perguruan Tinggi : Unviersitas Bina Sarana Informatika
Dengan ini menyatakan bahwa Skripsi yang telah saya buat dengan judul: “PENERAPAN METODE AHP DAN MOORA PADA SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN KARPET TERBAIK”, adalah asli (orisinil) atau tidak plagiat (menjiplak) dan belum pernah diterbitkan/dipublikasikan dimanapun dan dalam bentuk apapun.
Demikian surat pernyataan ini saya buat dengan sebenar-benarnya dan tanpa ada paksaan dari pihak manapun. Apabila dikemudian hari ternyata saya memberikan keterangan palsu dan atau ada pihak lain yang mengklaim bahwa Skripsi yang telah saya buat adalah hasil karya seseorang atau badan tertentu, saya bersedia diproses baik secara pidana maupun perdata dan kelulusan saya dari Universitas Bina Sarana Informatika dicabut/dibatalkan.
Dibuat di : Sukabumi Pada tanggal : 11 Juli 2020 Yang menyatakan,
Elvira
iv
SURAT PERNYATAAN PERSETUJUAN PUBLIKASI KARYA
ILMIAH UNTUK KEPENTINGAN AKADEMIS
Yang bertanda tangan dibawah ini:
Nama : Elvira
NIM : 15160343
Jenjang : Strata Satu (S1)
Program Studi : Ilmu Komputer Kampus Kota Sukabumi Fakultas : Teknologi dan Informatika
Perguruan Tinggi : Universitas Bina Sarana Informatika
Dengan ini menyetujui untuk memberikan izin kepada pihak Universitas Bina Sarana Informatika, Hak Bebas Royalti Non-Ekslusif (Non-Exclusive Royalti-Free Right) atas karya ilmiah kami yang berjudul “PENERAPAN METODE AHP DAN MOORA PADA SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN KARPET TERBAIK” yang diperlukan .
Dengan Hak Bebas Royalti Non-Ekslusif ini pihak Universitas Bina Sarana Informatika berhak menyimpan, mengalih media atau men-format-kan, mengelolanya dalam pangkalan data (database), mendistribusikannya dan menampilkan atau mempublikasikannya di internet atau media lain untuk kepentingan akademis tanpa perlu meminta izin dari kami selama tetap mencantumkan nama kami sebagai penulis/pencipta karya ilmiah tersebut.
Saya bersedia untuk menanggung secara pribadi, tanpa melibatkan pihak Universitas Bina Saran Informatika, segala bentuk tuntutan hukum yang timbul atas pelanggaran Hak Cipta dalam karya ilmiah saya ini.
Demikian pernyataan ini saya buat dengan sebenarnya.
Dibuat di : Sukabumi Pada Tanggal : 11 Juli 2020 Yang menyatakan,
v
PERSETUJUAN DAN PENGESAHAN SKRIPSI
Skripsi ini diajukan oleh:
Nama : Elvira
NIM : 15160343
Jenjang : Strata Satu (S1)
Program Studi : Ilmu Komputer Kampus Kota Sukabumi Fakultas : Teknik dan Informatika
Perguruan Tinggi : Universitas Bina Sarana Informatika
Judul Skripsi : Penerapan Metode AHP Dan Moora Pada Sistem Pendukung Keputusan Pemilhan Karpet Terbaik
Telah dipertahankan pada periode 2020-1 dihadapan penguji dan diterima sebagai bagian persyaratan yang diperlukan untuk memperoleh Sarjana Komputer (S.Kom) pada Program Sarjana Program Studi Ilmu Komputer Kampus Kota Sukabumi di Universitas Bina Sarana Informatika.
Sukabumi, 19 Agustus 2020
PEMBIMBING SKRIPSI
Dosen Pembimbing : A. Gunawan, M.Kom
Asisten Pembimbing : Jamal Maulana Hudin, M.Kom.
D E W A N P E N G U J I
Penguji I : Agung Wibowo, M.Kom.
vii
PEDOMAN PENGGUNAAN HAK CIPTA
Skripsi sarjana yang berjudul “Penerapan Metode AHP dan MOORA Pada Sistem Pendukung Keputusan Pemilihan Karpet Terbaik” adalah hasil karya tulis asli
Elvira dan bukan hasil terbitan sehingga peredaran karya tulis hanya berlaku di
lingkungan akademik saja, serta memiliki hak cipta. Oleh karena itu, dilarang keras
untuk menggandakan baik sebagian maupun seluruhnya karya tulis ini, tanpa seizin
penulis.
Referensi kepustakaan diperkenankan untuk dicatat tetapi pengutipan atau
peringkasan isi tulisan hanya dapat dilakukan dengan seizin penulis dan disertai
ketentuan pengutipan secara ilmiah dengan menyebutkan sumbernya.
Untuk keperluan perizinan pada pemilik dapat menghubungi informasi yang
tertera di bawah ini:
Nama : Elvira
Alamat : Jl.Benteng Pintu Kereta Api No. 22 RT.005 RW.004 Sukabumi
No. Hp : 0812-8950-6058
e-mail : eljoe70416@gmail.com
viii
KATA PENGANTAR
Puji syukur kehadirat Tuhan Yang Maha Esa, berkat rahmat dan karunia-Nya
sehingga pada akhirnya penulis dapat menyelesaikan tugas ini dengan baik. Skripsi
pada Program Sarjana (S1) ini penulis sajikan dalam bentuk buku yang sederhana. Adapun judul Skripsi yang penulis ambil sebagai berikut, “Penerapan Metode AHP dan MOORA Pada Sistem Penunjang Keputusan Pemilihan Karpet Terbaik”.
Tujuan penulisan Skripsi pada Program Sarjana (S1) ini dibuat sebagai salah
satu syarat kelulusan Program Sarjana Universitas Bina Sarana Informatika. Sebagai
bahan penulisan diambil berdasarkan hasil penelitian (eksperimen), observasi dan
beberapa sumber literatur yang mendukung penulisan ini. Penulis menyadari bahwa
tanpa bimbingan dan dorongan dari semua pihak, maka penulisan Skripsi ini tidak
akan berjalan lancar. Oleh karena itu pada kesempatan ini, izinkanlah penulis
menyampaikan ucapan terimakasih kepada:
1. Bapak A. Gunawan, M.Kom dan Bapak Jamal Maulana Hudin, M.Kom
selaku Dosen Pembimbing Skripsi.
2. Staff / karyawan / dosen di lingkungan Universitas Bina Sarana Informatika
Kampus Sukabumi.
3. Ibu Ricka selaku pemilik Toko Karpet Dua Tujuh.
4. Karyawan di Toko Karpet Dua Tujuh.
5. Orang tua tercinta yang telah memberikan dukungan moral maupun spiritual.
6. Rekan-rekan mahasiswa kelas 15.8A.28.
Serta semua pihak yang terlalu banyak untuk disebut satu persatu sehingga
terwujudnya penulisan ini. Penulis menyadari bahwa penulisan Skripsi ini masih jauh
dari sempurna, untuk itu penulis mohon kritik dan saran yang bersifat membangun
ix
Akhir kata semoga Skripsi ini dapat berguna bagi penulis khususnya dan bagi
para pembaca yang berminat pada umumnya.
Sukabumi, 7 Juli 2020
Penulis,
x
ABSTRAK
Elvira (15160343) Penerapan METODE AHP dan MOORA Pada Sistem Pendukung Keputusan Pemilihan Karpet Terbaik
Karpet merupakan sebuah material yang digunakan untuk melapisi lantai. Karpet dipasang di atas lantai permanen, seperti lantai kayu, plesteran, keramik, beton, atau jenis lain. Toko karpet Dua Tujuh menjual berbagai macam karpet mulai dari jenis bahan, ketebalan dan ukuran karpet. Terdapat enamkriteria untuk menetukan karpet terbaik yaitu harga,lebar, kualitas, kelenturan, ketebalan dan Panjang dengan bobot pada setiap kriteria. Unutk mempermudah pembeli dalam menentukan karpet terbaik, maka perlu adanya suatu sistem rekomendasi penunjang keputusan yang berfungsi untuk membantu melakukan seleksi kepada karpet. Pada penelitian ini menerapkan metode Analytical Hierarchy Proces (AHP) dan Multi Objective
Optimization by Ratio Analysis (MOORA) sebagai sistem alternatif yang dapat
digunakan untuk menetukan karpet terbaik berdasarkan kriteria yang telah ditentukan. Hasil pembobotan yang didapatkan dari 6 kriteria yang digunakan bahwa panjang merupakan kriteria yang paling penting untuk menentukan karpet terbaik dengan bobot 0,238 atau 23,8%. Berikutnya adalah kelenturan dengan nilai bobot 0,205 atau 20,5%. berikutnya adalah kualitas dengan nilai bobot 0,198 atau 19,8%. Berikutnya adalah lebar dengan nilai bobot 0,193 atau 19,3%. Berikutnya adalah harga dengan nilai bobot 0,129 atau 12,9%. Dan terakhir adalah kriteria tebal dengan nilai bobot 0,038 atau 3,8%.
Kata Kunci : Karpet, Analytical Hierarchy Proces (AHP) dan Multi Objective
xi
ABSTRACT
Elvira (15160343) Application of AHP and MOORA On The Best Carpet Selection
Decision Support System
Carpet is a material used to coat the floor. Carpet permanently installed above the floorlike a wooden floor, plastering, ceramic, concrete, etc. Dua Tujuh carpet store selling many kind of carpet start from type of material, thickness, and size. There are six types to determine the best carpet is prize, wide, quality, flexibility, thickness, and length with score on each criteria. To make it easier buyer to determine the best carpet, need for a decision support recommendation system which serves to help make selection to the carpet. In this research applies Analytical Hierarchy Process (AHP) method and Multi Objection Optimization by Ratio Analysis (MOORA) method as a alternative system that used to determine the best carpet based on criteria which have been specited. Weighting result obtained from six criteria used that length is the mos timportant criteria for determining is the best carpet with score 0,238 or 23,8%. Next is flexibility with score 0,205 or 20,5%. Then quality with score 0,198 or 19,8%. Then wide with score 0,193 or 19,3%. Next is prize with score 0,129 or 12,9%. And the last criteria is thickness with score 0,038 or 3,8%.
Keywords : Carpet, Analytical Hierarchy Proces (AHP) and Multi Objective Optimization by Ratio Analysis (MOORA).
xii
DAFTAR ISI
Halaman
PENERAPAN METODE AHP DAN MOORA PADA ... i
PERSEMBAHAN ... ii
SURAT PERNYATAAN KEASLIAN SKRIPSI ... iii
SURAT PERNYATAAN PERSETUJUAN PUBLIKASI KARYA ILMIAH UNTUK KEPENTINGAN AKADEMIS ... iv
PERSETUJUAN DAN PENGESAHAN SKRIPSI ... v
PEDOMAN PENGGUNAAN HAK CIPTA ... vii
KATA PENGANTAR ... viii
ABSTRAK ... x
ABSTRACT ... xi
DAFTAR ISI ... xii
DAFTAR TABEL ... xiv
DAFTAR GAMBAR ... xv
DAFTAR LAMPIRAN ... xvi
BAB I PENDAHULUAN ... 1
1.1. Latar Belakang Masalah ... 1
1.2. Perumusan Masalah ... 2
1.3. Tujuan dan Manfaat ... 3
1.3.1. Tujuan ... 3
1.3.2. Manfaat ... 3
1.4. Metode Penelitian ... 3
1.4.1 Teknik Pengumpulan Data ... 3
1.5. Ruang Lingkup ... 4
BAB II LANDASAN TEORI ... 5
2.1. Tinjauan Jurnal ... 5
2.1.1. Sistem Pendukung Keputusan ... 5
2.1.2 Analytical Hierarchy Proces (AHP) ... 6
2.1.3 Multi-Objective Optimization by Ratio Analysis ... 11
2.2. Penelitian Terkait ... 13
BAB III ANALISIS DAN PERANCANGAN ... 15
3.1. Tinjauan Institusi/Organisasi... 15
3.1.1. Sejarah Institusi/Organisasi ... 15
3.1.2. Struktur Organisasi ... 15
3.2. Analisis Masalah ... 15
xiii
3.4. Metode Analisis Data ... 18
BAB IV IMPLEMENTASI DAN PENGUJIAN ... 25
4.1. Hasil Penelitian... 25
BAB V PENUTUP ... 46
5.1. Kesimpulan ... 46
5.2. Saran ... 46
DAFTAR PUSTAKA ... 47
DAFTAR RIWAYAT HIDUP ... 49
LEMBAR KONSULTASI BIMBINGAN ... 51
xiv
DAFTAR TABEL
Halaman
Tabel II. 1. Tabel Skala Perbandingan Berpasangan ... 7
Tabel II. 2. Nilai Random Indeks ... 10
Tabel III. 1. Matriks Perbandingan Pasangan ... 18
Tabel III. 2. Skala Penilaian Perbandingan Pasangan ... 18
Tabel III. 3. Daftar Indeks Random Konsistensi... 20
Tabel III. 4. Tabel Penilaian ... 22
Tabel IV. 1. Kriteria ... 25
Tabel IV .2. Alternatif ... 25
Tabel IV. 3. Matrik Faktor Pembobotan Kriteria ... 27
Tabel IV. 4. Matriks Pembobotan Hirarki Kriteria yang Disederhanakan ... 28
Tabel IV. 5. Matriks Pembobotan Hirarki Kriteria yang Dinormalkan ... 28
Tabel IV. 6. Matriks Harga ... 29
Tabel IV. 7. Matriks Harga yang Disederhanakan ... 30
Tabel IV. 8. Matriks Kriteria Harga yang Dinormalkan ... 30
Tabel IV. 9. Matriks Faktor Evaluasi Kriteria Lebar ... 31
Tabel IV. 10. Matriks Kriteria Lebar yang Disederhanakan ... 32
Tabel IV. 11. Matriks Kriteria Lebar yang Dinormalkan ... 32
Tabel IV. 12. Matriks Faktor Evaluasi Kriteria Kualitas ... 33
Tabel IV. 13. Matriks Kriteria Kualitas Yang Disederhanakan ... 33
Tabel IV. 14. Matriks Kriteria Kualitas Yang Dinormalkan ... 34
Tabel IV. 15. Matriks Faktor Evaluasi Kriteria Tebal ... 35
Tabel IV. 16. Matriks Kriteria Tebal Yang Disederhanakan ... 35
Tabel IV. 17. Matriks Kriteria Tebal Yang Dinormalkan ... 36
Tabel IV. 18. Matriks Faktor Evaluasi Kriteria Kelenturan... 37
Tabel IV. 19. Matriks Kriteria Kualitas Yang Disederhanakan ... 37
Tabel IV. 20. Matriks Kriteria Kelenturan Yang Dinormalkan ... 37
Tabel IV. 21. Matriks Faktor Evaluasi Kriteria Panjang ... 38
Tabel IV. 22. Matriks Kriteria Panjang Yang Disederhanakan ... 39
Tabel IV. 23. Matriks Kriteria Kualitas Yang Dinormalkan ... 39
Tabel IV. 24. Matriks Hubungan Antara Kriteria Dan Alternatif ... 40
Tabel IV. 25. Skala Penilaian ... 41
Tabel IV. 26. Matriks Keputusan ... 41
Tabel IV. 27. Normalisasi Matriks Keputusan... 41
Tabel IV. 28. Matriks Normalisasi Terbobot ... 42
Tabel IV. 29. Hasil Preferensi ... 42
xv
DAFTAR GAMBAR
Halaman
Gambar II. 1. Struktur AHP ... 7
Gambar III. 1. Struktur Organisasi Toko Dua Tujuh ... 14
Gambar III. 2. Decompotition ... 17
Gambar IV. 1. Struktur Penentuan Karpet Terbaik... 27
Gambar IV. 2. Penghitungan Semua Kriteria menggunakan Super Decision ... 43
Gambar IV. 3. Penghitungan Kriteria Harga menggunakan Super Decision ... 44
Gambar IV. 4. Penghitungan Kriteria Kelenturan menggunakan Super Decision ... 44
Gambar IV. 5. Penghitungan Kriteria Tebal menggunakan Super Decision ... 44
Gambar IV. 6. Penghitungan Kriteria Kualitas menggunakan Super Decision ... 45
Gambar IV. 7. Penghitungan Kriteria Panjang menggunakan Super Decision ... 45
xvi
DAFTAR LAMPIRAN
Halaman
Lampiran 1. Karpet Daimaru ... 53
Lampiran 2.Karpet Komodo ... 53
Lampiran 3. Karpet Pataya ... 54
Lampiran 4. Karpet Unica ... 54
Lampiran 5. Karpet Sanho ... 55
Lampiran 6. Karpet Terano ... 55
Lampiran 7.1. Lembar Wawancara 1 ... 55
Lampiran 7.2. Lembar Wawancara 2 ... 55
Lampiran 7.3. Lembar Wawancara 3 ... 55
1
BAB I
PENDAHULUAN
1.1. Latar Belakang Masalah
Sistem pendukung keputusan yang biasa kita singkat sebagai SPK merupakan
sebuah sistem yang dikembangkan, yang dapat mendukung pemodelan keputusan
dan analisis data, bertujuan pada perencanaan di masa depan dan tidak ada jeda
waktu penggunaan yang direncanakan. Sistem ini difokuskan pada keputusan yang
diambil pejabat pengambil keputusan serta jeda pada fleksibilitas, daya adaptasi,
serta respon cepat oleh pengguna.(Ifo Wahyu Pratama, 2018)
Thomas L.Saaty adalah orang yang mengembangkan salah satu model
pendukung keputusan Analytical Hierarchy Proces (AHP). Dari masalah yang
memiliki banyak faktor atau banyak kriteria yang rumit diuraikan menjadi suatu
hierarki. Dengan hierarki, masalah yang rumit diuraikan ke dalam
kelompok-kelompok yang sejenis lalu, permasalahan akan lebih mudah tersusun dan sistematis
(Satriani dkk., 2018). Untuk permasalahan yang memiliki banyak kriteria dan banyak
opsi, AHP merupakan metode pengambilan keputusan yang cocok (Mahendra &
Putri, 2019).
Metode Multi Objective Optimization by Ratio Analysis atau yang biasa disebut
MOORA adalah sebuah metode yang diperkenalkan oleh Braurers dan Zavadkas
pada tahun 2006. Metode MOORA mudah untuk dipahami dan memiliki fleksibilitas
dalam memisahkan subjektif dari suatu proses evaluasi ke dalam kriteria bobot
keputusan dengan beberapa atribut pengambilan keputusan (Ashari & Mintarsih,
2017). Tingkat selektifitas yang baik juga dimiliki metode MOORA karena dapat
2
menguntungkan (Cost) atau yang bernilai menguntungkan (Benefit) (Wardani dkk.,
2018).
Toko Dua Tujuh adalah sebuah toko yang teletak di Pasar Pelita Kota
Sukabumi. Toko ini adalah sebuah toko yang menjual berbagai macam karpet.
Karpet merupakan sebuah material yang digunakan untuk melapisi lantai. Karpet
dipasang di atas lantai permanen, seperti lantai kayu, plesteran, keramik, beton,
atau jenis lain. Karpet tersebut bisa permanen maupun gulungan. Karpet dengan
kualitas yang bagus memiliki ketebalan di atas 15 mm (Lauren dkk., 2018). Saat
ini banyak orang yang menggunakan karpet untuk melapisi permukaan lantai
rumahnya untuk menggantikan ubin atau keramik atau untuk loteng rumah yang
beralas kayu. Saat ini, karpet yang ada dipasaran memiliki berbagai macam jenis
bahan, ketebalan dan ukuran karpet . Dengan banyaknya ukuran, ketebalan dan jenis
karpet maka, itu akan membingungkan pengguna untuk memilih karpet mana yang
terbaik. Dengan banyaknya jenis karpet yang ditawarkan oleh penjual itupun akan
memakan banyak waktu hanya untuk menjelaskan jenis dan ukuran karpet yang
dibutuhkan.
1.2. Perumusan Masalah
Rumusan masalah yang penulis dapat ambil dari latar belakang diatas sebagai
berikut :
1. Bagaimana membuat sebuah sistem pendukung keputusan yang dapat
memudahkan pengguna dalam menentukan sebuah pilihan terkait pemilihan karpet
terbaik menggunakan metode AHP dan MOORA?
2. Bagaimana memudahkan pegawai untuk merekomendasikan karpet yang
3 1.3. Tujuan dan Manfaat
1.3.1. Tujuan
Tujuan penulisan skripsi ini adalah:
1. Merancang SPK yang berguna untuk menyeleksi pemilihan karpet ditoko
Dua Tujuh.
2. Penerapan metode AHP dan MOORA untuk mendapatkan solusi yang
mendekati harapan.
1.3.2. Manfaat
Manfaat dari penulisan skripsi ini adalah waktu yang dibutuhkan karyawan
toko karpet untuk melayani pelanggan lebih singkat karena pelanggan telah
mengetahui karpet seperti apa yang mereka butuhkan.
1.4. Metode Penelitian
1.4.1 Teknik Pengumpulan Data
A. Observasi
Penulis melakukan pengamatan secara langsung di toko karpet yang
terletak di Pasar Gang Ikan kota Sukabumi, Jawa Barat.
B. Studi Pustaka
Penulis melakukan studi pustaka dengan mencari dan mempelajari
buku-buku dan jurnal-jurnal yang relevan guna memberi pemahaman lebih baik
terhadap topik penulisan.
4
Wawancara silakukan dengan bertanya mengenai jenis, harga, ukuran dan
merek karpet.
1.5. Ruang Lingkup
Ruang lingkup penelitian ini dibatasi hanya pada penerapan AHP untuk
pemilihan karpept terbaik dimana akan ditentukan atribut AHP, memberikan nilai
preferensi perbandingan, membuat matriks perbandingan berpasangan, normalisasi
matriks, Menghitung bobot prioritas, Menghitung Eigen maksimum, dan memeriksa
5
BAB II
LANDASAN TEORI
2.1. Tinjauan Jurnal
2.1.1. Sistem Pendukung Keputusan
SPK atau Sistem Pendukung Keputusan atau Decision Support System
(DSS) merupakan sistem informasi interaktif yang menyediakan informasi
pemodelan dan manipulasi data yang berfungsi untuk membantu mengambil
keputusan yang berhubungan dengan masalah yang bersifat tidak terstrukur.
Dimana keputusan dibuat tidak diketahui oleh seorangpun (Riyandi dkk., 2017).
Dengan Sistem Pendukung Keputusan yang merupakan sebuah sistem
interaktif computer, pemakai didukung dalam kemudahan akses data dan model
keputusan dalam proses mengambil keputusan yang efektif dan memecahkan
masalah yang bersifat semi terstruktur dan tidak terstruktur (Sasongko dkk., 2017) ,
maka harus mampu:
1. Ditambah atau dikembangkan
2. Mendukung analisis data dan model desisi
3. Beradaptasi pada masa mendatang
4. Digunakan dalam waktu yang tidak terjadwal
Dari beberapa pengertian mengenai system penunjang keputusan diatas dapat
diambil keputusan bahwa Sistem Pendukung Keputusan (SPK) adalah sebuah sistem
interaktif komputer yang dapat membantu penggunanya untuk mengambil keputusan
6
pengambilan keputusan tetap dilakukan oleh pengguna karena SPK hanya
sebagai alat bantu saja yang merekomendasikan solusi terbaik menurut sistem. Pada
dasarnya,pengambilan keputusan adalah kegiatan memilih solusi dari beberapa
alternatif yang tersedia.
2.1.2 Analytical Hierarchy Proces (AHP)
1. Pengertian AHP
Thomas L. Saaty adalah orang yang mengembangkan salah satu model
pendukung keputusan Analytical Hierarchy Proces (AHP). Model ini mampu
menangani sistem yang rumit berhubungan dengan pengambilan keputusan dari
beberapa opsi dapat ditangani dan memberi pilihan yang dapat dipertimbangkan
(Satriani dkk., 2018). Dari masalah yang memiliki banyak faktor atau banyak
kriteria yang rumit diuraikan menjadi suatu hierarki. Dengan hierarki, masalah
yang rumit diuraikan ke dalam kelompok-kelompok yang sejenis lalu,
permasalahan akan lebih mudah tersusun dan sistematis (Putera, 2017). Untuk
permasalahan yang memiliki banyak kriteria dan banyak opsi, AHP merupakan
metode pengambilan keputusan yang cocok (Susilowati & M, 2019). Model ini
adalah model hierarki fungsional dengan input utamanya adalah persepsi manusia.
2. Prinsip AHP
Beberapa prinsip yang harus dimengerti dalam menyelesaikan masalah saat
menggunakan AHP, diantaranya adalah:
A. Dekomposisi (Decomposition)
System yang rumit dengan membaginya menjadi bagian-bagian lebih kecil
sehingga mudah dipahami lalu disusun secara hierarki (Satriani, Chollissodin,
7
Sumber : (Mahendra & Putri, 2019)
Gambar II. 1 Struktur AHP
B. Comparative Judgment (Penilaian Kriteria dan Alternatif)
Perbandingan berpasangan dapat digunakan saat melakukan kriteria dan
alternatif. Semua jenis persoalan, dapat diukur dengan skala 1-9 yang merupakan
representasi skala terbaik untuk mengekspresikan pendapat seseorang. Pendapat
secara kualitatif dari skala perbandingan berpasangan dapat diukur menggunakan
tabel
Tabel II.1. Tabel Skala Perbandingan Berpasangan
Intensitas
Kepentingan Keterangan
1 Kedua elemen sama pentingnya.
3 Elemen yang satu sedikit lebih penting dari elemen yang lainnya. 5 Elemen yang satu lebih penting dari elemen yang lainnya.
7 Satu elemen jelas lebih mutlak penting dari elemen yang lainnya. 9 Satu elemen mutlak penting dari elemen yang lainnya.
8
Kebalikan Jika aktivitas I mendapat 1 angka dibandingkan aktivitas i, maka i memilik nilai kebalikan dibandingkan aktivitas I
Sumber : (Evicienna, 2016)
C. Synthesis of Priority (Menentukan Prioritas)
Perbandingan berpasangan dibutuhkan setiap kriteria dan alternatif. Untuk
bisa menghasilkan nilai bobot dan prioritas dibutuhkan nilai perbandingan relatif
dari semua kriteria dan alternatif yang disesuaikan dengan judgement yang telah
ditentukan. Dengan memanipulasi matriks atau penyelesaian persamaan
matematika untuk mendapatkan bobot dan prioritas.
D. Logical Consistency (Konsistensi Logis)
Konsistensi memiliki dua arti. Pertama, terkait tingkat hubungan antar objek
dengan objek lain pada kriteria tertentu. Kedua,setiap objek yang sama dapat
digolongkan sesuai dengan keseragaman dan relevansi.
3. Proses AHP
Proses metode AHP (Destari, Sheren; Simpony, Bambang Kelana;, 2018)
(Satriani, Chollissodin, & Fauzi, 2018)
1. Langkah pertama adalah memberikan nilai preferensi perbandingan terhadap
kriteria karpet dan alternatif karpet. Dan untuk nilai ditentukan dari tabel skala
perbandingan berpasangan.
2. Menentukan prioritas elemen dengan membuat matriks perbandingan
berpasangan yang diisi dengan bilangan untuk merepresentasikan kepentingan
relatif antar elemen.
3. Normalisasi matriks
1. Menjumlahkan nilai dari setiap kolom pada matriks perbandingan
9
∑
n = hasil penjumlahan tiap kolom z = banyak alternative I = 1,2,3,…,z
X = nilai tiap cell
2. Membagi setiap nilai kolom dengan total kolom yang bersangkutan untuk
memperoleh normalisasi matriks yang ditunjukkan pada persamaan dibawah
ini.
Dimana :
m = hasil normalisasi x = nilai tiap cell
n = hasil jumlah tiap kolom
4. Menghitung bobot prioritas
Menjumlahkan nilai-nilai dari baris dan membagi hasil jumlahnya dengan
banyak jumlah elemen untuk mendapatkan nilai rata-rata/bobot prioritas yang
ditunjukkan pada persamaan dibwah ini.
∑ dimana,
bp = hasil rata-rata/bobot prioritas n = banyak kriteria
j = 1,2,3,...,n
x = nilai tiap cell
5. Menghitung Eigen maksimum
a. Kalikan setiap nilai cell pertama dengan bobot prioritas pertama, nilai pada
10
b. Jumlahkan hasilnya untuk setiap baris pada matriks.
c. Hasil dari penjumlahan baris dibagi dengan elemen prioritas relatif yang
bersangkutan.
d. Jumlahkan hasil lamda tiap kriteria dibagi dengan banyak elemen yang ada, hasilnya disebut λmaz yang ditunjukkan pada persamaan dibawah ini.
∑ dimana,
λmaz = eigen maksimum n = banyak kriteria
6. Menghitung Indek Konsistensi atau Consistency Index (CI) yang ditunjukkan
pada persamaan dibawah ini
dimana,
n = banyak elemen
7. Menghitung Rasio Konsistensi atau Consistency Ratio (CR) yang ditunjukkan
pada persamaan dibawah ini
dimana, RI = rasio indeks CR = rasio konsistensi Tabel II.2. N 1.2 3 4 5 6 7 8 … RI 0.00 0.58 0.90 1.12 1.24 1.32 1.41 …
11
Nilai Random Indeks
Sumber : (Sa’adati dkk., 2018)
8. Memeriksa konsistensi hirarki
Jika nilai CR melebihi dari 0,1 maka penilaian data judgement tidak
konsisten maka harus dilakukan penghitungan kembali dengan. Jika rasio
konsisten CR kurang dari 0,1 maka perhitungan data konsisten dan benar.
2.1.3 Multi-Objective Optimization by Ratio Analysis
A. Pengertian MOORA
MOORA (Multi Objective Optimization on the Basis of Ratio Analysis)
merupakan sebuah metode pengambilan keputusan yang diperkenalkan oleh
Brauers dan Zavadskas pada tahun 2006, metode ini merupakan sebuah metode
multiobjektif sistem mengoptimalkan dua atau lebih atribut yang saling
bertentangan secara bersamaan, metode moora ini diterapkan untuk
memecahkan banyak permasalahan ekonomi, manajerial, dan konstruksi dengan
perhitungan rumus matematika dengan hasil yang tepat.(Cahyani dkk., 2019)
Metode MOORA banyak diaplikasikan dalam beberapa bidang seperti bidang
manajemen, bangunan, kontraktor, desain jalan, dan ekonomi. tujuan dan kriteria
yang bertentangan juga dapat ditentukan oleh metode ini, yaitu kriteria yang
bernilai menguntungkan (Benefit) atau yang merugikan (Cost) (Wardani dkk.,
2018)
B. Proses MOORA
MOORA memiliki proses-proses penyelesaian diantaranya adalah (Ashari
12
1) Atribut evaluasi yang bersangkutan diidentifikasi dan ditentukan
tujuannya.
2) Pembentukan matriks
Dimana x adalah nilai dari masing-masing kriteria.
3) Menetukan Matriks Normalisasi
̅̅̅̅ √∑
Rasio Xij menunjukan ukuran ke i dari alternatif pada kriteria ke j, m
menunjukan banyaknya jumlah alternatif dan n menunjukan jumlah
kriteria. Pilihan terbaik dari akar kuadrat dari penjumlahan kuadrat dari
setiap alternatif perkriteria.
4) Menentukan Matriks Normalisasi terbobot Jurnal
∑
∑
Dimana:
n= nilai atribut yang diminimalkan
g= jumlah atribut yang akan dimaksimalkan,
yi = nilai dari penilaian normalisasi alternatif i terhadap semua atribut
j= bobot kriteria ke-j
5) Menentukan Nilai Preferensi
∑
13 2.2. Penelitian Terkait
Sampai saat ini penelitian yang memiliki metode dan objek penelitian yang sama
penulis belum menemukan tetapi, penulis terinspirasi dan mereferensi beberapa
penelitian yang memiliki metode yang sama dengan penelitian ini diantaranya
adalah:
Penelitian yang dilakukan Evicienna, pada tahun 2016 dengan judul
PENERAPAN METODE AHP UNTUK KELAYAKAN PEMBERIAN BEASISWA
yang menggunakan metode AHP untuk menentukan pemberian beasiswa kepada
siswa.
Selanjutnya penelitian yang dilakukan oleh Tri Susilowati dan M. Faruk
Hidayatulloh, pada tahun 2019 yang berjudul METODE ANALITICAL
HIERARCHY PROCESS (AHP) DALAM PENENTUAN LOKASI HOME
INDUSTRI DI KABUPATEN PRINGSEWU yang menmbahas tentang penggunaan
metode AHP dalam menentukan lokasi yang tepat untuk dijadikan lokasi home
industri di Kabupaten Pringsewu, Lampung.
Selanjutnya penelitian yang dilakukan oleh Sri Wardani, Solikhun dan Ahmad
Revi pada tahun 2018 dengan judul Analisis Sistem Pendukung Keputusan
Penyeleksian Siswa Calon Peserta Olimpiade Dengan Metode MOORA yang
membahas mengenai penggunaan metode MOORA untuk menyeleksi siswa
berdasarkan nilai-nilai pelajaran yang diperoleh siswa.
Selajutnya adalah penelitian yang dilakukan oleh Muhammad Ashari, Arini dan
Fitri Mintarsih pada tahun 2017 dengan judul Aplikasi Pemilihan Bibit Budidaya
Ikan Air Tawar dengan Metode MOORA – Entropy tentang, penggunaan metode
14
Berdasarkan penelitian yang telah dilaksanakan maka, pada penelitian ini
dilakukan dengan menggabungkan dua metode yaitu metode AHP dan MOORA
15
BAB III
ANALISIS DAN PERANCANGAN
3.1. Tinjauan Institusi/Organisasi
3.1.1. Sejarah Institusi/Organisasi
Toko Dua Tujuh adalah sebuah toko kecil yang terletak di Pasar Pelita kota
Sukabumi. Toko Dua Tujuh adalah uhsaha keluarga yang berawal dari usaha
kecil-kecilan yang bermula dari toko yang menjual kain lalu beralih menjadi menjual
karpet selain menjual karpet, toko ini juga menjual jas hujan, taplak meja, payung,
dan juga terpal.
3.1.2. Struktur Organisasi Pegawai Toko Rita Pegawai Toko Iman Pemilik Toko Ricka Bataric
Gambar III.1 Struktur Organisasi Toko Dua Tujuh
Toko Dua Tujuh memiliki struktur organisasi yang sangat sederhana karena
toko ini adalah usaha keluarga toko ini hanya ada seorang pemilik toko dan seorang
pegawai toko.
3.2. Analisis Masalah
Berdasarkan permasalahan yang telah diuraikan, maka dibuat Analisa masalah
16
Toko karpet merupakan tempat untuk menjual dan membeli karpet. Toko karpet
tentu menjual jenis-jenis karpet yang beragam mulai dari bahan, ukuran, ketebalan,
dan lebar. Banyaknya jenis karpet pasti membuat pembeli merasa bingung untuk
memilih mana yang terbaik.
Banyaknya jenis karpet yang tersedia sehingga memperlambat waktu untuk
melayani pembeli. Karena untuk merekomendasikan karpet membutuhkan banyak
waktu mengingat banyaknya jenis serta kriteria setiap karpet.
3.3. Analisis Kebutuhan
A. Metode Pengumpulan Data
Penelitian menggunakan data primer, berupa jawaban hasil dari wawancara,
yaitu sekumpulan pertanyaan yang diajukan kepada responden yaitu pemilik dan
pegawai Toko Karpet Dua Tujuh. Metode pengumpulan data yang digunakan
dalam penelitian adalah sebagai berikut :
1. Studi Lapangan
a. Observasi
Pengamatan secara langsung yang dilakukan di Toko Karpet Dua Tujuh
ini dilakukan untuk mencatat hal-hal yang dianggap penting yang berkaitan
dengan pemilihan karpet terbaik di toko tersebut.
b. Wawancara
Wawancara yang dilakukan penulis yaitu dengan menggali informasi
kepada pemilik toko dan pegawai Toko Karpet Dua Tujuh. Wawancara
dilakukan secara bebas dan pertanyaan yang diajukan berisi spesifik dan
hanya memuat poin-poin penting masalah yang ingin di gali dari responden
17 2. Studi Pustaka
Pengumpulan data dengan cara membaca dan mengkaji junal-jurnal secara
teoritis yang berkaitan dengan penelitian yang dibahas.
B. Populasi dan Sampel Penelitian
1. Populasi
Populasi adalah keseluruhan unit atau individu dengan ciri-ciri yang sama
yang ingin diteliti (Dr. Sandu Siyoto, SKM dkk., 2016). Inti dari populasi
adalah sebuah wilayah yang akan diteliti dalam penelitian. Populasi dari
penelitian ini adalah berbagai jenis karpet meteran yang terdapat di Toko Dua
Tujuh. Selanjutnya dipilih karpet meteran berbahan plstik tersebut sebagai
alternatif menentukan Customer Service terbaik.
2. Sampel Penelitian
Sampel Penelitian adalah anggota dari populasi yang dipilih dengan teknik
tertentu. Populasi dan Sample memiliki karakteristik yang sama (Dr. Sandu
Siyoto, SKM & Nia Sari, 2016 : 1). Teknik pengambilan sampel yang
digunakan pada penelitian ini adalah Judgement Sampling yaitu sampel yang
diambil berdasarkan pertimbangan tertentu sesuai dengan metode AHP yang
mempunyai syarat ketergantungan pada kelompok ahli sesuai dengan jenis
spesialis terkait dalam pengambilan keputusan. Untuk jumlah responden pada
metode AHP tidak ada perumusan tertentu, hanya ada batas minimum yaitu
dua orang responden. Pada penelitian ini menggunakan 2 responden.
Responden yang ikut berperan serta dalam penelitian ini adalah responden
yang memiliki pengetahuan dan pengalaman yang cukup tentang permasalahan
ini. Responden yang terlibat dalam wawancara dalam penelitian ini adalah
18 3.4. Metode Analisis Data
Analisis data merupakan aktivitas ilmiah untuk melakukan penilaian terhadap
nilai/skor/ukuran variabel atau indikator yang ditinjau, terutama variabel tak bebas
atau variabel tujuan atau indikator masalah yang ditinjau (Agung, 2019 : 1). Pada
dasarnya, analisis data dalam AHP memiliki beberapa penyelesaian sebagai berikut:
A. Decompotition (Membuat Hirarki)
Mendefinisikan persoalan dengan cara memecah persoalan yang utuh menjadi
unsur-unsur lalu dibentuk menjadi hierarki. Penyusunan hierarki dengan tujuan
yang telah ditetapkan merupakan sasaran sistem secara keseluruhan pada level
teratas, pada penelitian ini dikelompokan menjadi tiga bagian yaitu tujuan, kriteria
dan alternatif.
Sumber : (Mahendra & Putri, 2019)
Gambar III. 2 Decompotition
B. Comparative Judgment (Membuat Penilaian Kriteria dan Alternatif)
Setelah disusun hirarki dari permasalahan yang dihadapi selanjutnya yaitu
membuat perbandingan berpasangan sesuai dengan kriteria yang diberikan. Untuk
19
untuk membuat peilaian tentang kepentingan relative dua elemen, sehingga dari
susunan hirarki diatas maka matriks perbandingan berpasangan dari kriteria dan
masing-masing alternatif kriteria dapat dibentuk” seperti contoh tabel dibawah ini
Tabel III.1 Matriks Perbandingan Pasangan Kriteria-1 Kriteria-2 Kriteria-3
Kriteria-1 K11 K12 K13
Kriteria-2 K21 K22 K23
Kriteria-3 K31 K32 K33
Sumber :(Munthafa & Mubarok, 2017)
Mengisi matrik perbandingan berpasangan yaitu dengan menggunakan
bilangan untuk merepresentasikan kepentingan relatif dari satu elemen terhadap
elemen lainnya yang dimaksud dalam bentuk skala dari 1 sampai dengan 9. Skala
ini mendefinisikan dan menjelaskan nilai 1 sampai 9 untuk pertimbangan dalam
perbandingan berpasangan elemen pada setiap level hirarki terhadap suatu kreteria
di level yang lebih tinggi. Apabila suatu elemen dalam matrik dan dibandingkan
dengan dirinya sendiri, maka diberi nilai 1. Jika A dibanding B mendapatkan nilai
tertentu, maka B dibanding A merupakan kebalikkannya. Berikut ini skala
kuantitatif 1 sampai dengan 9 untuk menilai tingkat kepentingan suatu elemen
dengan elemen lainnya.
Tabel III.2. Skala Penilaian Perbandingan Pasangan
Intensitas
Kepentingan Keterangan
1 Kedua Elemen Sama Pentingnya
3 Elemen yang satu sedikit lebih penting daripada elemen yang lainnya
5 Elemen yang satu lebih penting daripada elemen yang lainnya
20 lainnya
9 Satu elemen mutlak penting daripada elemen lainnya
2,4,6,8 Nilai-nilai antara dua nilai pertimbangan yang berdekatan
Kebalikan
Jika aktivitas A mendapat satu angka dibandingkan dengan aktivitas B, maka B memiliki nilai kebalikannya dibandingkan dengan A
Sumber : (Mahendra & Putri, 2019)
C. Syntesis of Priority (Membuat Prioritas)
Setelah matriks perbandingan lalu membuat eigen vector untuk memperoleh
local priority.pertimbangan terhadap pertimbangan berpasangan disintesis untuk
mendapatkan keseluruhan priority (Mahendra & Putri, 2019).
Langkah-langkahnya adalah:
1. Menjumlahkan nilai-nilai dari setiap kolom pada matriks.
2. Membagi setiap nilai dari kolom dengan total kolom yang bersangkutan
untuk memperoleh normalisasi matriks.
3. Menjumlahkan nilai-nilai dari setiap matriks dan membaginya dengan
jumlah elemen untuk mendapatkan nilai rata-rata.
D. Consistency
Dalam membuat keputusan, konsistensi harus diketahui karena hasil penelitian
tidak menginginkan keputusan berdasarkan konsistensi yang rendah (Mahendra &
Putri, 2019). Untuk mengetahui seberapa banyak konsistebsi dapat mengikuti
langkah- langkah sebagai berikut:
1. Lakukan perkalian setiap nilai pada kolom pertama dengan prioritas relatif
elemen pertama, nilai pada kolom kedua dengan prioritas relatif elemen
21 2. Jumlahkan setiap baris yang ada.
3. Hasil dari penjumlahan baris dibagi dengan elemen prioritas yang berkaitan.
4. Jumlahkan hasil bagi dengan banyaknya elemen yang ada, kemudaian hasil
disebut (simbol) maks.
5. Hitung Consistency Index (CI) dengan rumus
n= banyaknya elemen
6. Hitung Consistensy Ratio (CR) dengan rumus
CR = Consistency Ratio
CI = Consistensy Index
RI = Random Consistency Index
7. Memeriksa Consistency Hierarchy
Jika nilainya lebih dari 10%, maka penilaian data judgement harus
diperbaiki. Namun jika ratio konsistensi (CI / RI) kurang atau sama dengan 0,1
maka hasil perhitungan dapat dinyatakan benar.
Tabel III.3. Daftar Indeks Random Konsistensi
Ukuran Matriks Nilai IR
1,2 0,00 3 0,58 4 0,90 5 1,12 6 1,24 7 1,32 8 1,41
22 9 1,45 10 1,49 11 1,51 12 1,48 14 1,56 14 1,57 15 1,59 Sumber : (Evicienna, 2016) Model Hirarki
Dalam penelitian menentukan Karpet terbaik ini perlu
mempertimbangkan kriteria dalam penilaian karpet menurut responden
sekaligus pakar yaitu pemilik dan pegawai sebagai berikut:
1. Harga
Harga yang terjangkau sehingga karpet mampu dibeli setiap kalangan
2. Lebar
Lebar yang dimilki karpet tidak sempit jika digunakan untuk ruangan
yang luas tidak banyak disambung-sambung.
3. Kualitas
Kualitas dari karpet yang baik adalah karpet yang memiliki lapisan
pada bagian atasnya.
4. Tebal
Ketebalan bahan karpet.
5. Kelenturan
Jika karpet dilipat lalu dibuka kembali dari lipatan tidak ada bekas
lipatan maka karpet tersebut adalah karpet yang lentur.
23
Panjang yang dimaksud adalah Panjang karpet dalam 1 gulungan.
Sedangkan untuk menentukan karpet terbaik terdapat 6 alternatif
Berdasarkan Data jenis karpet plastik meteran toko Dua Tujuh yaitu
Daimaru, Unica, Pataya, Komodo, Terano dan Sanho
Sesuai dengan kriteria di atas, maka dapat dibuat model hirarki dalam
menentukan karpet terbaik. Model hirarki dapat dilihat pada gambar
sebagai berikut:
Setelah pencarian bobot dilakukan tahap selajutnya perhitungan MOORA
untuk mendapatkan peringkat . Langkah-langkahnya adalah
1. Membuat skala penilaian untuk dijadikan bahan perhitungan dalam
proses penilaian
Tabel III.4. Tabel Penilaian kriteria sub kriteria bobot
harga
murah 1
menengah 2
mahal 3
lebar lebih dari 1,5m 3
24
kurang dari 1,5m 1 kualitas ada lapisan 2 tidak ada lapisan 1
tebal tebal 2 tipis 1 kelenturan lentur 2 kaku 1 panjang lebih dari 23 m 3 23 m 2 kurang dari 23 m 1
2. Selanjutnya yaitu membuat matriks keputusan dari hasil skala
penilaian sesuai dengan kondisi yang ada. Setelah jadi matriks
dinormalisasikan.
3. Langkah selanjutnya yaitu normalisasi matriks terbobot. Normalisasi
matriks terbobot didapat dengan mengalikan bobot kriteria yang sudah
didapat menggunakan AHP dengan Matrik Normalisasi.
4. Selanjutnya yaitu menghitung nilai preferensi, atribut benefit akan
dijumlahkan dengan atribut benefit lainnya. Atribut cost akan
dijumlahkan dengan atribut cost lainnya. Nilai yi didapat dengan
pengurangan.
5. Langkah terakhir yaitu menentukan perangkingan. Perangkingan
dilihat dari nilai yi yang didapat. karpet yang memiliki nilai yi paling
25
BAB IV
IMPLEMENTASI DAN PENGUJIAN
4.1. Hasil Penelitian
A. Penerapan model Analytical Hierarchy Process (AHP)
Dalam menentukan urutan karpet terbaik secara manual dilakukan melalui
langkah-langkah sebagai berikut:
1. Penyusunan kriteria meliputi: harga, lebar, kualitas,tebal, kelenturan dan
panjang karpet
Tabel IV. 1. Kriteria Kriteria Keterangan c1 Harga c2 Lebar c3 Kualitas c4 Tebal c5 Kelenturan c6 Panjang
2. Penyusunan alternatif meliputi: Daimaru, Unica, Pataya, Komodo, Teranno
dan Sanho.
Tabel IV.2. Alternatif Alternatif Keterangan A1 Daimaru A2 Unica A3 Pataya A4 Komodo A5 Terano A6 Sanho
3. Penetapan bobot kriteria melalui wawancara dimana pemilik dan pegawai
26
4. Penyusunan nilai masing-masing yakni harga, lebar, kualitas,tebal, kelenturan
dan panjang karpet menurut variabel operasional yang diturunkan dari
kriteria.
5. Perhitungan nilai hirarki prioritas karpet terbaik berdasarkan perkalian bobot
kriteria dan masing-masing harga, lebar, kualitas,tebal, kelenturan dan
panjang karpet.
6. Pengisian kuisioner merupakan hal yang sangat penting untuk mrndapatkan
penilaian kriteria yaitu dengan cara elemen-elemen dimasukan kedalam
perbandingan secara berpasangan untuk memberikan penilaian tingkat
kepentingan
7. Masing-masing elemen. Dalam menentukan tingkat kepentingan dari
elemen-elemen keputusan pada setiap tingkat hirarki keputusan, penilaian pendapat
dilakukan dengan menggunakan fungsi hirarki berfikir, dikombinasikan
dengan preferensi perasaan dan penginderaan.
8. Penilaian dapat dilakukan dengan komparasi berpasangan yaitu dengan
membandingkan setiap elemen dengan elemen lainnya pada setiap kriteria
sehingga didapat nilai kepentingan elemen dalam bentuk pendapat yang
bersifat kualitatif tersebut digunakan skala penilaian saaty sehingga akan
diperoleh nilai pendapat dalam bentuk angka (kuantitatif).
27
Gambar IV.1. Struktur Penentuan Karpet Terbaik Keterangan:
Karpet 1 = Daimaru Karpet 4 = Komodo
Karpet 2 = Unica Karpet 5 = Terano
Karpet 3 = Pataya Karpet 6 = Sanho
10. Perhitungan Faktor Hirarki Untuk Semua Kriteria
Analisis preferensi hasil dari penilaian pegawai toko menunjukan bahwa
kriteria kualitas 3 kali lebih penting dari kriteria harga dan 2 kali lebih penting
dari kriteria lebar. Kriteria lebar 3 kali lebih penting dari kriteria harga. Maka
matriks perbandingan hasil preferensi diatas adalah:
Tabel IV.3. Matrik Faktor Pembobotan Kriteria
Harga Lebar Kualitas Tebal Kelenturan Panjang
Harga 1 3 1 3 1/5 1/3 Lebar 1/3 1 1/3 5 1/3 5 Kualitas 1 3 1 3 3 1/3 Tebal 1/3 1/5 1/3 1 1/4 1/4 Kelenturan 5 3 1/3 4 1 1/2 Panjang 3 1/5 3 4 2 1
28
Tabel IV.4. Matriks Pembobotan Hirarki Kriteria yang Disederhanakan
Dengan unsur-unsur pada tiap kolom dibagi dengan jumlah kolom yang
bersangkutan, akan diperoleh bobot relatif yang dinormalkan. Nilai vektor eigen
dihasilkan dari rata-rata bobot relatif untuk setiap baris. Hasilnya dapat dilihat
pada tabel dibawah ini:
Tabel IV. 5. Matriks Pembobotan Hirarki Kriteria yang Dinormalkan
Harga Lebar Kualitas Tebal Kelenturan Panjang Vektor Eigen Harga 0,094 0,288 0,167 0,150 0,029 0,045 0,129 Lebar 0,031 0,096 0,056 0,250 0,049 0,674 0,193 Kualitas 0,094 0,288 0,167 0,150 0,442 0,045 0,198 Tebal 0,031 0,019 0,056 0,050 0,037 0,034 0,038 Kelenturan 0,469 0,288 0,056 0,200 0,147 0,067 0,205 Panjang 0,281 0,019 0,500 0,200 0,295 0,135 0,238
Selanjutnya nilai eigen maksimum ( maksimum) didapat dengan menjumlahkan hasil perkalian jumlah kolom dengan vektor eigen. Nilai eigen
maksimum yang diperoleh adalah:
maksimum = (10,667 x 0,129) + (10,400 x 0,193) + (6,000 x 0,198) + (20,000 x 0,038) + (6,783 x 0,205) + (7,417 x 0,238)
= 1,376+ 2,007+ 1,188+ 0,76 + 1,35 +1,77
= 8,47
Harga Lebar Kualitas Tebal Kelenturan Panjang Harga 1,000 3,000 1,000 3,000 0,200 0,333 Lebar 0,333 1,000 0,333 5,000 0,333 5,000 Kualitas 1,000 3,000 1,000 3,000 3,000 0,333 Tebal 0,333 0,200 0,333 1,000 0,250 0,250 Kelenturan 5,000 3,000 0,333 4,000 1,000 0,500 Panjang 3,000 0,200 3,000 4,000 2,000 1,000 Jumlah 10,667 10,400 6,000 20,000 6,783 7,417
29
Karena matriks berordo 6 (terdiri dari 6 kriteria), nilai indeks konsistensi
yang diperoleh adalah:
CI = = = = 0,494 Untuk =6, RI = (tabel RI), maka: CR =
=
= 0,056 < 0,100
Karena CR < 0,100 berarti preferensi responden adalah konsisten.
Dari hasil perhitungan pada tabel diatas menunjukan bahwa panjang
merupakan kriteria yang paling penting untuk menentukan karpet terbaik dengan
bobot 0,238 atau 23,8%. Berikutnya adalah kelenturan dengan nilai bobot 0,205
atau 20,5%. berikutnya adalah kualitas dengan nilai bobot 0,198 atau 19,8%.
Berikutnya adalah lebar dengan nilai bobot 0,193 atau 19,3%. Berikutnya
adalah harga dengan nilai bobot 0,129 atau 12,9%. Dan terakhir adalah kriteria
tebal dengan nilai bobot 0,038 atau 3,8%.
A. Perhitungan Faktor Evaluasi Kriteria Harga
Perbandingan berpasangan untuk kriteria harga yaitu perbandingan
berpasangan antara karpet daimaru terhadap karpet daimaru , unica dan sanho
sampai karpet sanho terhadap karpet sanho. Sehingga diperoleh hasil preferensi
rata-rata dari responden dalam matriks resiprokal sebagai berikut:
Tabel IV. 6. Matriks Harga
Alternatif Daimaru Unica Pataya Komodo Terano Sanho
Daimaru 1 3 3 4 5 6 Unica 1/3 1 1 3 4 5 Pataya 1/3 1 1 3 4 5 Komodo 1/4 1/3 1/3 1 2 3 Terano 1/5 1/4 1/4 1/2 1 3 Sanho 1/6 1/5 1/5 1/3 1/3 1
30
Perhitungan matriks untuk kriteria harga adalah:
Tabel IV. 7. Matriks Harga yang Disederhanakan
Alternatif Daimaru Unica Pataya Komodo Terano Sanho
Daimaru 1,000 3,000 3,000 4,000 5,000 6,000 Unica 0,333 1,000 1,000 3,000 4,000 5,000 Pataya 0,333 1,000 1,000 3,000 4,000 5,000 Komodo 0,250 0,333 0,333 1,000 2,000 3,000 Terano 0,200 0,250 0,250 0,500 1,000 3,000 Sanho 0,167 0,200 0,200 0,333 0,333 1,000 Jumlah 2,283 5,783 5,783 11,833 16,333 23,000
Dengan unsur-unsur tiap kolom dibagi dengan jumlah total pada kolom
yang bersangkutan, akan diperoleh bobot relatif yang dinormalkan. Nilai vektor
eigen dihasilkan dari rata-rata nilai bobot relatif untuk tiap baris. Hasilnya dapat
dilihat pada tabel berikut:
Tabel IV. 8. Matriks Kriteria Harga yang Dinormalkan
Daimaru Unica Pataya Komodo Terano Sanho Vector Eigen Daimaru 0,438 0,519 0,519 0,338 0,306 0,261 0,397 Unica 0,146 0,173 0,173 0,254 0,245 0,217 0,201 Pataya 0,146 0,173 0,173 0,254 0,245 0,217 0,201 Komodo 0,109 0,058 0,058 0,085 0,122 0,130 0,094 Terano 0,088 0,043 0,043 0,042 0,061 0,130 0,068 Sanho 0,073 0,035 0,035 0,028 0,020 0,043 0,039
Selanjutnya nilai eigen maksimum ( maksimum) didapat dengan menjumlahkan hasil perkalian jumlah kolom dengan vektor eigen. Nilai eigen
maksimum yang diperoleh adalah sebagai berikut:
λmaksimum = (2,283 x 0,397) + (5,783 x 0,201) + (5,783 x 0,201) + (11,833 x 0,094) + (16,333 x 0,068) + (23,000 x 0,039) = 0,906 + 1,162 + 1,162 + 1,112 + 1,110 + 0,897
31
Karena matriks berordo 6 (yakni terdiri dari 6 alternatif), maka nilai indeks
konsistensi (CI) yang diperoleh adalah:
CI = = = = 0,069 Untuk =6, RI = (tabel RI), maka: CR = = = 0,055 < 0,100
Karena CR < 0,100 berarti preferensi responden adalah konsisten.
Dari hasil perhitungan pada tabel diatas diperoleh urutan harga termurah
adalah karpet daimaru dengan bobot 0,397 atau 39,7%. Karpet Unica dan Pataya
dengan bobot 0,201 atau 20,1 %. Karpet Komodo dengan bobot 0,094 atau 9,4
%. Karpet Terano dengan bobot 0,068 atau 6,8% Dan yang terakhir adalah
carpet sanho dengan bobot 0,039 atau 3,9%.
B. Perhitungan Faktor Evaluasi Kriteria Lebar
Perbandingan berpasangan untuk kriteria lebar yaitu perbandingan
berpasangan antara karpet daimaru terhadap karpet daimaru , unica dan
sanho sampai karpet sanho terhadap karpet sanho. Sehingga diperoleh hasil
preferensi rata-rata dari responden dalam matriks resiprokal sebagai berikut:
Tabel IV. 9. Matriks Faktor Evaluasi Kriteria Lebar
Alternatif Daimaru Unica Pataya Komodo Terano Sanho
Daimaru 1 1 1 1/3 1/5 1/5 Unica 1 1 1 1/3 1/5 1/5 Pataya 1 1 1 1/3 1/5 1/5 Komodo 3 3 3 1 1/3 1/3 Terano 5 5 5 3 1 1 Sanho 5 5 5 3 1 1
32
Tabel IV.10. Matriks Kriteria Lebar yang Disederhanakan
Alternatif Daimaru Unica Pataya Komodo Terano Sanho
Daimaru 1,00 1,00 1,00 0,33 0,20 0,20 Unica 1,00 1,00 1,00 0,33 0,20 0,20 Pataya 1,00 1,00 1,00 0,33 0,20 0,20 Komodo 3,00 3,00 3,00 1,00 0,33 0,33 Terano 5,00 5,00 5,00 3,00 1,00 1,00 Sanho 5,00 5,00 5,00 3,00 1,00 1,00 Jumlah 16,00 16,00 16,00 8,00 2,93 2,93
Dengan unsur-unsur tiap kolom dibagi dengan jumlah total pada kolom
yang bersangkutan, akan diperoleh bobot relatif yang dinormalkan. Nilai vektor
eigen dihasilkan dari rata-rata nilai bobot relatif untuk setiap baris. Hasilnya
dapat dilihat pada tabel berikut:
Tabel IV.11. Matriks Kriteria Lebar yang Dinormalkan
Alternatif Daimaru Unica Pataya Komodo Terano Sanho Vector Eigen Daimaru 0,063 0,063 0,063 0,042 0,068 0,068 0,061 Unica 0,063 0,063 0,063 0,042 0,068 0,068 0,061 Pataya 0,063 0,063 0,063 0,042 0,068 0,068 0,061 Komodo 0,188 0,188 0,188 0,125 0,114 0,114 0,152 Terano 0,313 0,313 0,313 0,375 0,341 0,341 0,332 Sanho 0,313 0,313 0,313 0,375 0,341 0,341 0,332
Selanjutnya nilaia eigen maksimum ( maksimum) didapat dengan menjumlahkan hasil perkalian jumlah kolom dengan vektor eigen. Nilai eigen
maksimum yang diperoleh adalah sebagai berikut:
λmaksimum = (16,00 x 0,061) + (16,00 x 0,061) + (16,00 x 0,061) + (8,00 x 0,152) + (2,93 x 0,332) + (2,93 x 0,332)
= 0,976 + 0,976 + 0,976 + 1,216 + 0,972 + 0,972 = 6,088
33
Karena matriks berordo 6 (yakni terdiri dari 6 alternatif), maka nilai indeks
konsistensi (CI) yang diperoleh adalah:
CI = = = = 0,017 Untuk =6, RI = (tabel RI), maka: CR = = = 0,013 < 0,100
Karena CR < 0,100 berarti preferensi responden adalah konsisten.
Dari hasil perhitungan pada tabel diatas diperoleh urutan prioritas untuk
kriteria lebar yaitu Sanho dan Terano dengan bobot 0,332 atau 33,2%. Lalu,
Komodo dengan bobot 0,152 atau 15,2%. Dan Daimaru, Unica dan Pataya yang
memiliki bobot masing-masing 0,061 atau 6,1%.
C. Perhitungan Faktor Evaluasi Kriteria Kualitas
Perbandingan berpasangan untuk kriteria kualitas dengan perbandingan
berpasangan antara karpet daimaru terhadap karpet daimaru , unica dan sanho
sampai karpet sanho terhadap karpet sanho. Sehingga diperoleh hasil preferensi
rata-rata dari responden dalam matriks resiprokal sebagai berikut:
Tabel IV.12. Matriks Faktor Evaluasi Kriteria Kualitas
Alternatif Daimaru Unica Pataya Komodo Terano Sanho
Daimaru 1 1/3 1/3 1/5 1/7 1/7 Unica 3 1 1 1 1/5 1/5 Pataya 3 1 1 1 1 1/5 Komodo 5 1 1 1 3 1/5 Terano 7 5 1 1/3 1 1/5 Sanho 7 5 5 5 5 1
Perhitungan matriks untuk kriteria kualitas adalah:
Tabel IV.13. Matriks Kriteria Kualitas Yang Disederhanakan
Alternatif Daimaru Unica Pataya Komodo Terano Sanho
Daimaru 1,00 0,33 0,33 0,20 0,14 0,14
34 Pataya 3,00 1,00 1,00 1,00 1,00 0,20 Komodo 5,00 1,00 1,00 1,00 3,00 0,20 Terano 7,00 5,00 1,00 0,33 1,00 0,20 Sanho 7,00 5,00 5,00 5,00 5,00 1,00 Jumlah 26,00 13,33 9,33 8,53 10,34 1,94
Dengan unsur-unsur tiap kolom dibagi dengan jumlah total pada kolom yang
bersangkutan, akan diperoleh bobot relatif yang dinormalkan. Nilai vektor eigen
dihasilkan dari rata-rata nilai bobot relatif untuk tiap baris. Hasilnya dapat dilihat
pada tabel berikut:
Tabel IV. 14. Matriks Kriteria Kualitas Yang Dinormalkan
Alternatif Daimaru Unica Pataya Komodo Terano Sanho Vector Eigen Daimaru 0,038 0,025 0,036 0,023 0,014 0,074 0,035 Unica 0,115 0,075 0,107 0,117 0,019 0,103 0,089 Pataya 0,115 0,075 0,107 0,117 0,097 0,103 0,102 Komodo 0,192 0,075 0,107 0,117 0,290 0,103 0,147 Terano 0,269 0,375 0,107 0,039 0,097 0,103 0,165 Sanho 0,269 0,375 0,536 0,586 0,483 0,515 0,461
Selanjutnya nilaia eigen maksimum ( maksimum) didapat dengan menjumlahkan hasil perkalian jumlah kolom dengan vektor eigen. Nilai eigen
maksimum yang diperoleh adalah sebagai berikut:
λmaksimum = (26,00x 0,14) + (13,33x 0,29) + (9,33x 0,57) + (8,53 x 0,57) + (10,34 x 0,57) + (1,94 x 0,57)
= 0,980 + 1,015 + 0,998 + 0,998 + 0,998 + 0,998
= 2,993
Karena matriks berordo 6 (yakni terdiri dari 6 alternatif), maka nilai indeks
konsistensi (CI) yang diperoleh adalah:
CI = = = = 0,017 Untuk =6, RI = (tabel RI), maka:
35 CR = = = 0,013 < 0,100
Karena CR < 0,100 berarti preferensi responden adalah konsisten.
Dari hasil perhitungan pada tabel diatas diperoleh urutan prioritas untuk
kriteria kualitas sanho dengan bobot 0,57 atau 57%. Unica dengan bobot 0,29
atau 29%. Dan daimaru dengan bobot 0,14 atau 14%.
D. Perhitungan Faktor Evaluasi Kriteria Tebal
Tabel IV.15. Matriks Faktor Evaluasi Kriteria Tebal
Alternatif Daimaru Unica Pataya Komodo Terano Sanho
Daimaru 1 2 2 1/5 1/3 1/5 Unica 1/2 1 1 1/5 1/5 1/5 Pataya 1/2 1 1 1/3 1/5 1/5 Komodo 5 5 3 1 3 1/5 Terano 3 5 5 1/3 1 1/3 Sanho 5 5 5 5 3 1
Perhitungan matriks untuk kriteria tebal adalah:
Tabel IV.16. Matriks Kriteria Tebal Yang Disederhanakan
Alternatif Daimaru Unica Pataya Komodo Terano Sanho
Daimaru 1,00 2,00 2,00 0,20 0,33 0,20 Unica 0,50 1,00 1,00 0,20 0,20 0,20 Pataya 0,50 1,00 1,00 0,33 0,20 0,20 Komodo 5,00 5,00 3,00 1,00 3,00 0,20 Terano 3,00 5,00 5,00 0,33 1,00 0,33 Sanho 5,00 5,00 5,00 5,00 3,00 1,00 Jumlah 15,00 19,00 17,00 7,06 7,73 2,13
Dengan unsur-unsur tiap kolom dibagi dengan jumlah total pada kolom
yang bersangkutan, akan diperoleh bobot relatif yang dinormalkan. Nilai vektor
eigen dihasilkan dari rata-rata nilai bobot relatif untuk tiap baris. Hasilnya dapat
36
Tabel IV. 17. Matriks Kriteria Tebal Yang Dinormalkan
Alternatif Daimaru Unica Pataya Komodo Terano Sanho Vector Eigen Daimaru 0,067 0,105 0,118 0,028 0,043 0,094 0,076 Unica 0,033 0,053 0,059 0,028 0,026 0,094 0,049 Pataya 0,033 0,053 0,059 0,047 0,026 0,094 0,052 Komodo 0,333 0,263 0,176 0,142 0,388 0,094 0,233 Terano 0,200 0,263 0,294 0,047 0,129 0,156 0,182 Sanho 0,333 0,263 0,294 0,708 0,388 0,469 0,409
Selanjutnya nilaia eigen maksimum ( maksimum) didapat dengan menjumlahkan hasil perkalian jumlah kolom dengan vektor eigen. Nilai eigen
maksimum yang diperoleh adalah sebagai berikut:
λmaksimum = (15,00 x 0,076) + (19,00 x 0,049) + (17,00x 0,052) + (7,06 x 0,233) + (7,73 x 0,182) + (2,13 x 0,409)
= 1,14 + 0,931 + 0,884 + 1,644+ 1,406 + 0,864
= 6,869
Karena matriks berordo 6 (yakni terdiri dari 6 alternatif), maka nilai indeks
konsistensi (CI) yang diperoleh adalah:
CI = = = = 0,173 Untuk =6, RI = (tabel RI), maka: CR = = = 0, 139 < 0,100
Karena CR > 0,100 berarti preferensi responden adalah tidak konsisten.
Dari hasil perhitungan pada tabel diatas diperoleh urutan prioritas untuk
kriteria tebal sanho dengan bobot 0,409 atau 40,9%. komodo dengan bobot
37
bobot 0,076 atau 7,6%. pataya dengan bobot 0,052 atau 5,2%. Dan unica
dengan bobot 0,49 atau 4,9%.
E. Perhitungan Faktor Evaluasi Kriteria Kelenturan
Tabel IV.18. Matriks Faktor Evaluasi Kriteria Kelenturan
Alternatif Daimaru Unica Pataya Komodo Terano Sanho
Daimaru 1 1/5 1/5 1/5 1/5 1/5 Unica 5 1 1/5 1 2 1/2 Pataya 5 5 1 5 5 5 Komodo 5 1 1/5 1 3 3 Terano 5 ½ 1/5 1/3 1 1/5 Sanho 5 2 1/5 1/3 5 1
Perhitungan matriks untuk kriteria kelenturan adalah:
Tabel IV.19. Matriks Kriteria Kualitas Yang Disederhanakan Alternatif Daimaru Unica Pataya Komodo Terano Sanho
Daimaru 1,00 0,20 0,20 0,20 0,20 0,20 Unica 5,00 1,00 0,20 1,00 2,00 0,50 Pataya 5,00 5,00 1,00 5,00 5,00 5,00 Komodo 5,00 1,00 0,20 1,00 3,00 3,00 Terano 5,00 0,50 0,20 0,33 1,00 0,20 Sanho 5,00 2,00 0,20 0,33 5,00 1,00 Jumlah 26,00 9,70 2,00 7,87 16,20 9,90
Dengan unsur-unsur tiap kolom dibagi dengan jumlah total pada kolom
yang bersangkutan, akan diperoleh bobot relatif yang dinormalkan. Nilai vektor
eigen dihasilkan dari rata-rata nilai bobot relatif untuk tiap baris. Hasilnya dapat
dilihat pada tabel berikut:
Tabel IV. 20. Matriks Kriteria Kelenturan Yang Dinormalkan Alternatif Daimaru Unica Pataya Komodo Terano Sanho Vector Eigen
Daimaru 0,038 0,021 0,100 0,025 0,012 0,020 0,036 Unica 0,192 0,103 0,100 0,127 0,123 0,051 0,116 Pataya 0,192 0,515 0,500 0,636 0,309 0,505 0,443 Komodo 0,192 0,103 0,100 0,127 0,185 0,303 0,168 Terano 0,192 0,052 0,100 0,042 0,062 0,020 0,078 Sanho 0,192 0,206 0,100 0,042 0,309 0,101 0,158
38
Selanjutnya nilaia eigen maksimum ( maksimum) didapat dengan menjumlahkan hasil perkalian jumlah kolom dengan vektor eigen. Nilai eigen
maksimum yang diperoleh adalah sebagai berikut:
λmaksimum = (26,00 x 0,036) + (9,70 x 0,116) + (2,00 x 0,443) + (7,87 x 0,168) + (16,20 x 0,078) + (9,90 x 0,158)
= 0,936+ 1,125 + 0,886 + 1,322 + 1,263+ 1,564
= 7,096
Karena matriks berordo 6 (yakni terdiri dari 6 alternatif), maka nilai indeks
konsistensi (CI) yang diperoleh adalah:
CI = = = = 0,219
Untuk =6, RI = (tabel RI), maka: CR = = = 0,176 > 0,100
Karena CR < 0,100 berarti preferensi responden adalah konsisten.
Dari hasil perhitungan pada tabel diatas diperoleh urutan prioritas untuk
kriteria kelenturan Pataya dengan bobot 0,443 atau 44,3%. Komodo dengan
bobot 0,168 atau 16,8%. Sanho dengan bobot 0,158 atau 15,8%. Unica dengan
bobot 0,116 atau 11,6%. Terano dengan bobot 0,078 atau 7,8%. Dan daimaru
dengan bobot 0,036 atau 3,6%.
F. Perhitungan Faktor Evaluasi Kriteria Panjang
Tabel IV. 21. Matriks Faktor Evaluasi Kriteria Panjang Alternatif Daimaru Unica Pataya Komodo Terano Sanho
Daimaru 1 3 1/2 1/2 1/2 3 Unica 1/3 1 1/3 1/3 1/3 1 Pataya 2 3 1 1 1 3 Komodo 2 3 1 1 1 3 Terano 2 3 1 1 1 3 Sanho 1/3 1 1/3 1/3 1/3 1
39
Perhitungan matriks untuk kriteria panjang adalah:
Tabel IV. 22. Matriks Kriteria Panjang Yang Disederhanakan Alternatif Daimaru Unica Pataya Komodo Terano Sanho
Daimaru 1,00 3,00 0,50 0,50 0,50 3,00 Unica 0,33 1,00 0,33 0,33 0,33 1,00 Pataya 2,00 3,00 1,00 1,00 1,00 3,00 Komodo 2,00 3,00 1,00 1,00 1,00 3,00 Terano 2,00 3,00 1,00 1,00 1,00 3,00 Sanho 0,33 1,00 0,33 0,33 0,33 1,00 Jumlah 7,67 14,00 4,17 4,17 4,17 14,00
Dengan unsur-unsur tiap kolom dibagi dengan jumlah total pada kolom
yang bersangkutan, akan diperoleh bobot relatif yang dinormalkan. Nilai vektor
eigen dihasilkan dari rata-rata nilai bobot relatif untuk tiap baris. Hasilnya dapat
dilihat pada tabel berikut:
Tabel IV. 23. Matriks Kriteria Kualitas Yang Dinormalkan
Alternatif Daimaru Unica Pataya Komodo Terano Sanho Vector Eigen Daimaru 0,130 0,214 0,120 0,120 0,120 0,214 0,153 Unica 0,043 0,071 0,080 0,080 0,080 0,071 0,071 Pataya 0,261 0,214 0,240 0,240 0,240 0,214 0,235 Komodo 0,261 0,214 0,240 0,240 0,240 0,214 0,235 Terano 0,261 0,214 0,240 0,240 0,240 0,214 0,235 Sanho 0,043 0,071 0,080 0,080 0,080 0,071 0,071
Selanjutnya nilaia eigen maksimum ( maksimum) didapat dengan menjumlahkan hasil perkalian jumlah kolom dengan vektor eigen. Nilai eigen
maksimum yang diperoleh adalah sebagai berikut:
λmaksimum = (7,67 x 0,153) + (14,00 x 0,071) + (4,17 x 0,235) + (4,17 x 0,235) + (4,17 x 0,235) + (14,00 x 0,071)
= 1,174 + 0,995+ 0,979+ 0,979+ 0,979+ 0,995
40
Karena matriks berordo 6 (yakni terdiri dari 6 alternatif), maka nilai indeks
konsistensi (CI) yang diperoleh adalah:
CI = = = = 0,02 Untuk =6, RI = (tabel RI), maka: CR = = = 0,016< 0,100
Karena CR < 0,100 berarti preferensi responden adalah konsisten.
Dari hasil perhitungan pada tabel diatas diperoleh urutan prioritas untuk
kriteria panjang Pataya , Komodo dan Terano dengan bobot yang sama yaitu
0,235 atau 23,5%. Lalu Daimaru dengan bobot 0,153 atau 15,3%. Dan Unica dan
Sanho dengan bobot yang sama yaitu 0,071 atau 7,1%.
G. Faktor Evaluasi Total
Dari seluruh evaluasi yang dilakukan terhadap ke-6 kriteria harga, lebar,
kualitas, tebal, kelenturan dan panjang. Selanjutnya dikalikan dengan vektor
prioritas. Dengan demikian dapat diperoleh tabel hubungan antara kriteria dengan
alternatif.
Tabel IV. 24. Matriks Hubungan Antara Kriteria Dan Alternatif
harga lebar kualitas tebal kelenturan panjang jumlah prioritas daimaru 0,397 0,061 0,035 0,081 0,036 0,153 0,763 0,129 unica 0,201 0,061 0,089 0,052 0,116 0,071 0,591 0,193 pataya 0,201 0,061 0,102 0,055 0,443 0,235 1,097 0,198 komodo 0,094 0,152 0,147 0,235 0,168 0,235 1,032 0,038 terano 0,068 0,332 0,165 0,126 0,078 0,235 1,005 0,205 sanho 0,039 0,332 0,461 0,450 0,158 0,071 1,512 0,238
41
B. Penerapan model Multi Objective Optimization by Ratio Analysis atau
(MOORA) dalam menentukan urutan karpet terbaik dilakukan melalui
langkah-langkah sebagai berikut:
1. Skala penilaian akan dijadikan bahan perhitungan pada proses penilaian.
Hal ini dimaksudkan untuk menentukan karpet terbaik
Tabel IV. 25. Skala Penilaian kriteria sub kriteria bobot
harga murah 1 Menengah 2 Mahal 3 lebar lebih dari 1,5m 3 pas 1,5m 2 kurang dari 1,5m 1 kualitas ada lapisan 2 tidak ada lapisan 1
tebal Tebal 2 Tipis 1 kelenturan Lentur 2 kaku 1 panjang lebih dari 23 m 3 23 m 2 kurang dari 23 m 1
2. Tahap selanjutnya yaitu membuat matriks keputusan dari hasil skala
penilaian sesuai dengan kondisi yang ada.
Tabel IV. 26. Matriks Keputusan
c1 c2 c3 c4 c5 c6 a1 1 1 1 2 1 1 a2 2 1 2 1 2 1 a3 2 1 2 2 2 1 a4 3 2 2 1 2 2 a5 3 3 2 2 1 3 a6 3 3 2 1 2 3