JURUSAN TEKNIK INDUSTRI FAKULTAS TEKNIK … filePENGADAAN BARANG PEMERINTAH MENGGUNAKAN PAIRWISE...
Transcript of JURUSAN TEKNIK INDUSTRI FAKULTAS TEKNIK … filePENGADAAN BARANG PEMERINTAH MENGGUNAKAN PAIRWISE...
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
i
MODEL PEMILIHAN UNTUK METODE KONTES DALAM
PENGADAAN BARANG PEMERINTAH MENGGUNAKAN PAIRWISE
COMPARISON DAN TOPSIS
Skripsi
Sebagai Persyaratan Untuk Memperoleh Gelar Sarjana Teknik
YANUAR WAHYU WIDIANTO
I 0308073
JURUSAN TEKNIK INDUSTRI FAKULTAS TEKNIK
UNIVERSITAS SEBELAS MARET
SURAKARTA
2012
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
i
ABSTRAK
YANUAR WAHYU W, NIM : I0308073, MODEL PEMILIHAN UNTUK METODE KONTES DALAM PENGADAAN BARANG PEMERINTAH MENGGUNAKAN PAIRWISE COMPARISON DAN TOPSIS. Skripsi. Surakarta : Jurusan Teknik Industri Fakultas Teknik, Universitas Sebelas Maret, September 2012.
Proses penentuan pemenang merupakan salah satu bagian kritis dalam aktivitas pengadaan barang menggunakan metode kontes karena barang yang diperlombakan tidak mempunyai harga pasar dan tidak dapat ditetapkan berdasarkan harga satuan. Berdasarkan studi kasus yang dilakukan, penilaian pemenang kontes dilakukan menggunakan scoring dan menentukan pemenang berdasarkan nilai rata-rata dari beberapa juri. Penelitian ini memberikan alternatif metode yang dapat digunakan dalam penilaian pemenang, yakni penggabungan metode antara pairwise comparison dalam analytic hierarchi process dan TOPSIS. Metode pairwise comparison digunakan untuk menghitung bobot setiap kriteria pengadaan barang, sedangkan metode TOPSIS digunakan untuk menghitung nilai setiap peserta peserta pengadaan barang dalam proses penentuan pemenang. Metode tersebut diuji pada data hipotetik untuk kasus kontes kereta kencana Kota Surakarta tahun 2011. Berdasarkan hasil penghitungan, metode tersebut mampu mengatasi variabilitas data yang tinggi dibandingkan metode scoring. Selain itu, dibuat aplikasi sistem pendukung keputusan untuk membantu panitia dan juri dalam melakukan proses pengadaan barang menggunakan metode kontes. Kata kunci: kontes, pengadaan barang, analytic hierarchi process, TOPSIS.
.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
ii
ABSTRACT
YANUAR WAHYU W, NIM : I0308073, SELECTION MODEL OF CONTEST METHOD IN PUBLIC PROCUREMENT USING PAIRWISE COMPARISON AND TOPSIS. Skripsi. Surakarta : Jurusan Teknik Industri Fakultas Teknik, Universitas Sebelas Maret, September 2012.
Selection process of a winner is a critical stage in procurement activity
used contest method because good which is contested doesn’t have market and unit price. Based on a case study that has been done, the assesments of the participants are done by scoring method and the winner of the contest is determined based on average score from several judges. This research gives an alternative method that can be used for the winner assessment, that is intregated of pairwise comparison method in analytical hierarchi process and technique for order preference by similarity to ideal solution (TOPSIS). Pairwise comparison method is used for calculating the weight of each procurement criteria, whereas TOPSIS method is used for calculating the value of each procurement participant in selection process of the winner. This method was tested by hipotetic data for Kontes Kereta Kencana in Surakarta City 2011. Based on calculation result, the model is better in coping high variability data then scoring method. Besides, a decision supporting system application is made to help commitee and judges performing procurement process using contest method.
Keywords: contest, procurement, analytic hierarchi process, TOPSIS.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
I-1
BAB I PENDAHULUAN
Pada bab ini dijelaskan mengenai latar belakang masalah, perumusan
masalah, tujuan dan manfaat dari penelitian yang telah dilakukan. Selanjutnya
diuraikan mengenai batasan masalah, asumsi yang digunakan dalam permasalahan
dan sistematika penulisan untuk menyelesaikan penelitian.
1.1 Latar Belakang Masalah
Pengadaan Barang/Jasa merupakan kegiatan untuk memperoleh barang/jasa
oleh Kementerian/Lembaga/Satuan Kerja Perangkat Daerah/Institusi (K/L/S/I)
lainnya yang prosesnya dimulai dari perencanaan kebutuhan sampai
diselesaikannya seluruh kegiatan untuk memperoleh barang/jasa. Proses
pengadaan barang dan jasa diatur dalam Peraturan Presiden Nomor 54 Tahun
2010 tentang Pengadaan Barang dan Jasa Pemerintah. Lembaga Kebijakan
Pengadaan Barang/Jasa (LKPP) melalui Modul Pengantar Pengadaan Barang/Jasa
di Indonesia menjelaskan beberapa prinsip yang harus dijadikan dasar pengadaan
barang dan jasa yaitu efisien, efektif, transparan, terbuka, bersaing, adil/tidak
diskriminatif dan akuntabel. Metode yang dapat digunakan untuk memilih
penyedia barang terdiri dari pelelangan, seleksi, pemilihan langsung, penunjukan
langsung, pengadaan langsung dan kontes/sayembara.
Peraturan Presiden Republik Indonesia Nomor 54 Tahun 2010,
mendifinisikan metode kontes adalah metode pemilihan penyedia barang yang
memperlombakan barang/benda tertentu yang tidak mempunyai harga pasar dan
yang harga/biayanya tidak dapat ditetapkan berdasarkan Harga Satuan. Tahapan
dari metode kontes dalam pengadaan barang meliputi pengumuman, pendaftaran
dan pengambilan dokumen kontes, pemberian penjelasan, pemasukan proposal,
pembukaan proposal, pemeriksaan administrasi dan penilaian proposal teknis,
pembuatan berita acara hasil kontes, penetapan pemenang, pengumuman
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
I-2
pemenang, dan penunjukan pemenang. Tujuan adanya metode kontes dalam
pengadaan barang diharapkan dapat membantu lembaga atau instansi sebagai
metode yang dapat digunakan untuk pengadaan barang yang bersifat unik, tidak
mempunyai harga satuan dan mempunyai sifat budaya.
Saat ini metode kontes telah digunakan oleh beberapa instansi dalam suatu
pengadaan barang. Dalam beberapa kasus pengadaan barang menggunakan
metode kontes penilaian yang dilakukan bersifat scoring dengan rentang nilai
tertentu untuk beberapa aspek penilaian. Lembaga Kebijakan Pengadaan Barang
sendiri tidak mengatur teknis penilaian dari metode kontes pengadaan barang.
Laise (2004) berpendapat bahwa pendekatan scoring dan rata-rata yang digunakan
untuk menentukan organisasi yang menjadi best in class memiliki kelemahan.
Rata-rata merupakan suatu ukuran kecenderungan terpusat dari suatu kelompok
data dan cukup mewakili jika data mempunyai suatu variabilitas yang rendah,
tetapi jika dilakukan pengamatan dengan variabilitas tinggi, rata-rata bukan
ukuran yang baik. Menggunakan rata-rata dapat menghilangkan informasi yang
pantas dipertimbangkan dan oleh karena itu tidak cocok digunakan untuk
membuat perbandingan.
Berdasarkan informasi tersebut, tentunya ada metode-metode yang lain untuk
menutupi kelemahan dari metode scoring dan rata-rata. Dilihat dari jumlah kriteria
yang digunakan dalam beberapa kasus permasalahan pengadaan barang dengan
metode kontes, permasalahan tersebut dapat dikategorikan dalam Multi Criteria
Decision Making (MCDM) dan karena tujuannya menyeleksi alternatif terbaik
dari beberapa alternatif maka dapat dikelompokkan sebagai Multiple Attribute
Decision Making (MADM).
Terdapat beberapa metode yang dapat digunakan untuk menyelesaikan
masalah MADM. Jafari dkk (2009) mengusulkan kerangka kerja untuk memilih
metode penilaian kinerja terbaik menggunakan Simple Additive Weighting Method
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
I-3
(SAW). Jadidi dkk (2010) menyebutkan metode Technique for Order Preference
by Similarity to Ideal Solution (TOPSIS) lebih tepat digunakan untuk menentukan
penyedia pada suatu perusahaan. Ayag dan Ozdemir (2006) menggunkan Analytic
Hierarchy Process (AHP) untuk menentukan alternatif mesin terbaik untuk
digunakan dalam suatu perusahaan. Laise (2004) mengusulkan penggunaan
metode yang merupakan pengembangan dari konsep outranking yaitu Elimination
Et Coix Traduisant La Realite ( ELECTRE).
Penelitian ini memakai metode perbandingan berpasangan (pairwise
comparison) dari AHP kemudian dilanjutkan dengan metode TOPSIS. Metode ini
dipilih karena metode ini menentukan nilai bobot untuk setiap kriteria, kemudian
dilanjutkan dengan proses perhitungan dengan metode TOPSIS yang akan
menyeleksi alternatif terbaik dari sejumlah alternatif. Metode TOPSIS banyak
digunakan untuk menyelesaikan masalah keputusan secara praktis. Konsepnya
sederhana dan mudah dipahami, komputasinya efisien dan memiliki kemampuan
untuk mengukur kinerja relatif dari alternatif-alternatif keputusan kedalam bentuk
matematis yang sederhana (Kusumadewi dkk, 2006 ). Pemilihan metode ini juga
mempertimbangkan kemudahan bagi pengguna Sistem Pendukung Keputusan
(SPK) yang akan dibentuk.
Turban (1995) mendefinisikan SPK sebagai sistem informasi berbasis
komputer yang adaptif, interaktif, fleksibel, yang secara khusus dikembangkan
untuk mendukung solusi dari pemasalahan manajemen yang tidak terstruktur
untuk meningkatkan kualitas pengambilan keputusan. SPK yang dibentuk akan
membantu penentuan siapa yang berhak untuk menjadi penyedia dalam kontes
pengadaan barang dan jasa. Pemilihan penyedia barang yang baik seharusnya
sesuai dengan kriteria-kriteria yang telah ditetapkan, karena itu selain memiliki
fungi utama untuk pemilihan penyedia kontes, SPK yang dirancang harus bersifat
fleksibel terhadap perubahan tingkat kepentingan kriteria pemilihan yang
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
I-4
digunakan. SPK yang dirancang juga diharapkan dapat mempercepat proses
pemilihan penyedia dalam suatu kontes pengadaan barang.
1.2 Perumusan Masalah
Dari latar belakang yang telah diuraikan, maka rumusan masalah dalam
penelitian ini adalah bagaimana merancang suatu sistem pendukung keputusan
pemilihan penyedia dalam kegiatan kontes pengadaan barang.
1.3 Tujuan Penelitian
Tujuan yang ingin dicapai dari penelitian ini adalah:
1. Mengidentifikasi metode dan mekanisme penilaian yang digunakan dalam
pemilihan penyedia pada kegiatan kontes pengadaan barang.
2. Mengembangkan model penyusunan kriteria dan penentuan nilai untuk
pemilihan penyedia pada kegiatan kontes pengadaan barang.
3. Merancang sistem pendukung keputusan untuk pemilihan penyedia pada
kegiatan kontes pengadaan barang.
1.4 Manfaat Penelitian
Manfaat yang diharapkan dari dari penelitian ini adalah :
1. Mempermudah dan mempercepat dalam pemilihan penyedia dari kegiatan
kontes pengadaan barang.
2. Memberikan wawasan baru kepada panitia pengadaan barang menggunakan
metode kontes mengenai metode yang dapat digunakan untuk pemilihan
penyedia dari kegiatan kontes pengadaan barang.
1.5 Batasan Masalah
Agar penelitan ini tidak terlalu luas topik pembahasannya, maka perlu
dilakukan batasan-batasan sebagai berikut :
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
I-5
1. Penentu bobot kriteria pemilihan adalah tim juri dan tim panitia kegiatan
kontes pengadaan barang.
2. Data hipotetik digunakan sebagai data untuk pengujian model pengambilan
keputusan .
1.6 Asumsi Penelitian
Asumsi yang digunakan untuk menyederhanakan kompleksitas
permasalahan yang diteliti adalah bobot kriteria pemilihan yang diperoleh selama
penelitian dianggap tidak mengalami perubahan selama penelitian berlangsung.
1.7 Sistematika Penelitian
Dalam penulisan laporan penelitan ini, diberikan uraian setiap bab yang
berurutan untuk mempermudah dalam pembahasan laporan. Penjelasan mengenai
sistematika penulisan dalam laporan penelitian dijelaskan seperti dibawah ini.
BAB I : PENDAHULUAN
Bab ini merupakan pengantar permasalahan yang dibahas meliputi
latar belakang masalah, perumusan masalah, tujuan penelitian,
manfaat penelitian, batasan masalah, asumsi penelitian, dan
sistematika penelitian.
BAB II : TINJAUAN PUSTAKA
Bab ini berisi mengenai landasan teori yang mendukung dan terkait
langsung dengan penelitian yang akan dilakukan dari buku, jurnal
penelitian, dan sumber literatur lainnya.
BAB III : METODOLOGI PENELITIAN
Bab ini berisi tahapan yang dilalui selama penelitian mulai dari
identifikasi masalah sampai penarikan kesimpulan, beserta penjelasan
dan gambar diagramnya.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
I-6
BAB IV : PENGUMPULAN DAN PENGOLAHAN DATA
Bab ini berisi tentang proses pengumpulan data yang digunakan dalam
penelitian dan berisi tentang proses pengolahan data.
BAB V : ANALISIS DAN INTERPRETASI HASIL
Bab ini berisi tentang analisis dan interprestasi data terhadap hasil
pengumpulan dan pengolahan data pada bagian sebelumnya.
BAB VI : KESIMPULAN DAN SARAN
Bab ini berisi tentang kesimpulan yang diperoleh dari penelitian dan
analisis yang telah dilakukan serta rekomendasi yang diberikan untuk
perbaikan.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II - 1
BAB II
TINJAUAN PUSTAKA
Pada bab ini menguraikan tinjauan pustaka yang memuat teori-teori yang
mendukung dan dipakai sebagai pedoman untuk pemecahan masalah dan analisis
masalah yang terdapat pada penelitian ini.
2.1. Tinjauan Umum Pengadaan Barang Menggunakan Metode Kontes
2.1.1 Metode Kontes
Negara Indonesia melalui Peraturan Presiden Nomor 54 Tahun 2010,
mendefinisikan metode kontes adalah metode pemilihan penyedia barang
yang memperlombakan barang/benda tertentu yang tidak mempunyai harga
pasar dan yang harga/biayanya tidak dapat ditetapkan berdasarkan Harga
Satuan. Kontes dilakukan khusus untuk pemilihan penyedia barang atau jasa
yang merupakan hasil industri kreatif, inovatif dan budaya dalam negeri.
Pemilihan penyedia barang dengan menggunakan metode kontes memiliki
sejumlah tahapan tertentu. Tahapan pelaksanaan tersebut dijelaskan pada
Gambar 2.1
Gambar 2.1. Langkah Pelaksanaan Pemilihan Penyedia Barang
menggunakan Metode Kontes
Sumber : Lembaga Kebijakan Pengadaan Barang/Jasa, 2010
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II - 2
2.1.2 Latar Belakang Kontes Kereta Kencana
Kota Surakarta atau lebih dikenal dengan nama Solo merupakan
salah satu kota yang popular dengan tradisi budayanya. Secara historis kota
ini merupakan warisan Dinasti Mataram yang masih melestarikan budaya
baik itu tangible maupun intangible. Tidak mengherankan jika saat ini, Kota
Solo lebih dikenal sebagai sebuah Kota Budaya dan heritage, bahkan di
tahun 2010 Kota Solo mendapat julukan City of Charm ( Kota Pesona)
mengingat begitu luar biasanya pesona yang dimiliki oleh kota ini.
Keunikan tradisi, kearifan lokal, kekayaan budaya dan kepopuleran
kulinernya telah menjadi buah bibir tidak hanya di tingkat nasional tapi juga
di kancah internasional. Menyadari bahwa di tengah persaingan bisnis
modern yang begitu ketat maka Kota Solo selalu berusaha untuk
memperbaiki dan mempercantik kota. Berbagai program revitalisasi
kawasan dan bangunan terus diusahakan oleh pemerintah dan
masyarakatnya. Keberhasilan program-program yang telah direncanakan
oleh Pemerintah Kota Surakarta ternyata memberikan dampak signifikan
terhadap Kota Solo baik secara ekonomi maupun dalam rangka pencitraan
kota.
Pada tahun 2011 guna lebih meningkatkan pencitraan kota,
Pemerintah Kota Surakarta berusaha melengkapi keunikan kota dengan
pengadaan Kereta Kencana, setelah sebelumnya diluncurkan Kereta Uap
Jaladara, trainbus, dan bus wisata. Pengadaan Kereta Kencana dimaksud
harus sesuai dengan tujuan dan kehendak Pemerintah Kota Surakarta.
Sehubungan dengan hal tersebut para penyedia wajib mengikuti standar
administrasi dan teknis pengadaan kereta kencana yang telah ditentukan oleh
Pemerintah Kota Surakarta. (Dinas Kebudayaaan dan Pariwisata Surakarta,
2011).
2.1.3 Tujuan Kontes Kereta Kencana
Pengadaan Kereta Kencana merupakan sebuah kegiatan memperkuat
pencitraan Kota Solo sebagai sebuah kota budaya dan heritage serta upaya
Pemerintah Kota Surakarta dalam memberikan alternatif transportasi unik
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II - 3
yang ramah lengkungan kepada para wisatawan yang hadir di Kota Solo.
(Dinas Kebudayaaan dan Pariwisata Surakarta, 2011).
2.1.4 Penilaian dan Penjurian Kontes Kereta Kencana
Penilaian terhadap semua proposal dokumen kontes yang telah
masuk akan diperiksa oleh panitia kontes untuk memeriksa kelengkapan
admistrasi. Masukan yang tidak sesuai atau melanggar ketentuan akan
didiskualifikasi sehingga tidak berhak dinilai oleh para juri.
Dokumen peserta yang telah lulus kulaifikasi dokumen, berhak
untuk mengikuti kontes pengadaan Kereta Kencana. Semua barang yang
dikonteskan akan diperiksa oleh Tim Juri. Selama proses penjurian, identitas
peserta dirahasiakan oleh panitia kontes.
Penjurian dilakukan dalam satu tahap yaitu melakukan peninjauan
dan pengamatan serta penilaian terhadap barang-barang yang dikonteskan
yang telah disediakan oleh para peserta yang memenuhi persyaratan dan
lulus kulaifikasi proposal dokumen kontes. (Dinas Kebudayaaan dan
Pariwisata Surakarta, 2011).
2.1.5 Unsur-Unsur Penilaian Kontes Kereta Kencana
a. Aspek fungsi
Kekuatan/keamanan, kenyamanan, kemudahan dalam pengoperasian serta daya tampung penumpang, termasuk bahan, kontruksi dan ukuran
kereta.
b. Aspek Estetika
Keindahan dan makna filosofi meliputi pemilihan desain, pemilihan motif ragam hias, pemilihan warna serta originalitas
c. Aspek ekonomis
Kesesuaian antara harga, ukuran dan kualitas kereta yang ditawarkan
yang disesuaikan dengan anggaran yang telah ditetapkan oleh Panitia Pangadaan.
(Dinas Kebudayaaan dan Pariwisata Surakarta, 2011).
2.2. Multi Criteria Decision Making
Kusumadewi dkk. (2006) mendefinisikan Multi Criteria Decision
Making (MCDM) sebagai suatu metode pengambilan keputusan untuk
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II - 4
menetapkan alternatif terbaik dari sejumlah alternatif berdasarkan beberapa
kriteria tertentu. Ada beberapa fitur umum yang digunakan dalam Multi
Criteria Decision Making yaitu :
a. Alternatif
Alternatif adalah obyek-obyek yang berbeda dan memiliki
kesempatan yang sama untuk dipilih oleh pengambil keputusan.
b. Atribut
Atribut sering juga disebut sebagai karakteristik, komponen
atau kriteria keputusan.
c. Konflik Antar Kriteria
Beberapa kriteria biasanya mempunyai konflik antara satu
dengan yang lainnya, misalnya kriteria keuntungan akan mengalami
konflik dengan kriteria biaya.
d. Bobot Keputusan
Bobot keputusan menunjukkan kepentingan relatif dari setiap
kriteria.
e. Matriks Keputusan
Suatu matriks keputusan dengan ordo tertentu, yang berisi elemen-
elemen yang merepresentasikan rating dari beberapa alternatif terhadap
beberapa kriteria.
Zimmermann (1991) dalam Kusumadewi dkk. (2006) menyatakan
bahwa berdasarkan tujuannya, MCDM dapat dibedakan menjadi dua yaitu
: Multi Attribute Decision Making (MADM) dan Multi Objective Decision
Making (MODM). MADM digunakan untuk menyelesaikan masalah-
masalah dalam ruang diskret, sedangkan MODM digunakan untuk
menyelesaikan masalah-masalah pada ruang kontinyu. Secara umum dapat
dikatakan bahwa MADM menyeleksi alternatif terbaik dari sejumlah
alternatif, sedangkan MODM merancang alternatif terbaik.
2.3. Multy Attribute Decision Making
Perkembangan Multi Attribute Decision Making (MADM) dimulai
pada tahun 1947, von Neumann dan Morgenstern menerbitkan sebuah buku
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II - 5
yang berjudul, Theory of Games and Economic Behavior, untuk menggagas
teori matematika ekonomi dan organisasi sosial secara rinci berdasarkan
teori permainan. Buku ini diyakini sebagai awal dari berkembangnya
MADM. Pada umumnya MADM dapat dibagi menjadi dua yaitu multiple
attribute utility theory (MAUT) dan metode outranking (terutama merujuk
untuk ELECTRE dan PROMETHEE). MAUT menentukan preferensi
pembuatan keputusan, yang biasanya dapat direpresentasikan sebagai sebuah
struktur hirarkis, dengan menggunakan fungsi yang sesuai utilitas. Dengan
mengevaluasi fungsi utilitas, pembuat keputusan dapat dengan mudah
menentukan alternatif terbaik dengan nilai utilitas tertinggi. Terdapat
beberapa metode yang dapat digunakan untuk menyelesaikan masalah
MADM, antara lain Simple Additive Weighting (SAW), Weighted Product
(WP), ELECTRE, Technique for Order Preference by Similarity to Ideal
Solution (TOPSIS), VIKOR, Analytic Hierarchy Process (AHP) dan
PROMETHEE.
Tahap inti dari MADM adalah menentukan nilai bobot untuk setiap
atribut, kemudian dilanjutkan dengan proses perankingan yang akan
menyeleksi sejumlah alternatif. Pada dasarnya, ada 3 pendekatan untuk
mencari nilai bobot atribut, yaitu pendekatan subyektif, pendekatan obyektif
dan pendekatan integrasi antara subyektif & obyektif. Masing-masing
pendekatan memiliki kelebihan dan kelemahan. Pada pendekatan subyektif,
nilai bobot ditentukan berdasarkan subyektifitas dari para pengambil
keputusan, sehingga beberapa faktor dalam proses perankingan alternatif
bisa ditentukan secara bebas. Sedangkan pada pendekatan obyektif, nilai
bobot dihitung secara matematis sehingga mengabaikan subyektifitas dari
pengambil keputusan. ( Kusumadewi, 2006).
2.4. Analytic Hierarchy Process
Sebagaimana langkah yang dijelaskan oleh Saaty (1988), metode
AHP dapat digunakan untuk membantu dalam pengambilan keputusan
dengan cara sebagai berikut.
1. Menentukan tujuan, kriteria, dan alternatif keputusan
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II - 6
Untuk memastikan bahwa kriteria-kriteria yang dibentuk sesuai
dengan tujuan permasalahan, maka kriteria-kriteria tersebut harus memiliki
sifat-sifat berikut (Brodjonegoro, 1992) :
a. Minimum
Jumlah kriteria diusahakan optimal untuk memudahkan analisis.
b. Independen
Setiap kriteria tidak saling tumpang tindih dan harus dihindarkan
pengulangan kriteria untuk suatu maksud yang sama.
c. Lengkap
Kriteria harus mencakup seluruh aspek penting dalam permasalahan.
d. Operasional
Kriteria harus dapat diukur dan dianalisis, baik secara kuantitatif
maupun kualitatif dan dapat dikomunikasikan.
2. Membuat “pohon hierarki” (hierarchical tree) untuk berbagai kriteria dan
alternatif keputusan.
Gambar 2.3 Pohon Hierarki
Sumber : Forman, 2002
Dalam menyusun suatu hirarki tidak terdapat suatu pedoman tertentu
yang harus diikuti. Hirarki tersebut tergantung pada kemampuan penyusun
dalam memahami permasalahan.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II - 7
3. Membentuk Matriks Pairwise Comparison
Setelah membuat pohon hierarki, kemudian dibentuk sebuah matriks
pairwise comparison, misalnya diberi nama matriks A. Angka di dalam
baris ke-i dan kolom ke-j merupakan relative importance Ai dibandingkan
dengan Aj. Digunakan skala 1–9 yang diinterpretasikan sebagai berikut:
a. aij = 1 jika kedua kriteria sama pentingnya
b. aij = 3 jika Oi sedikit lebih penting dibandingkan Oj
c. aij = 5 jika Oi lebih penting dibandingkan dengan Oj
d. aij = 7 jika Oi sangat lebih penting dibandingkan Oj
e. aij = 9 jika Oi mutlak lebih penting dibandingkan Oj.
f. aij = 2 jika Oi antara sama dan sedikit lebih penting dibandingkan Oj.
g. aij = 4 jika Oi antara sedikit lebih dan lebih penting dibandingkan Oj.
h. aij = 6 jika Oi antara lebih dan sangat lebih penting dibandingkan Oj.
i. aij = 8 jika Oi antara sangat lebih dan mutlak lebih penting dibandingkan Oj.
j. aij = 1/3 jika Oj sedikit lebih penting dibandingkan Oi, dan seterusnya.
Tabel 2.1 Matriks perbandingan berpasangan
A A1 A2 A3 …. An
A1
A2
A3
…. An
a11
a21
a31
…..
an1
a12
a22
a32
…..
an2
a13
a23
a33
…..
an3
…. …. …. …. ….
a1n
a2n
a3n
…..
ann Sumber : Forman, 2002
Keterangan tabel :
Nilai a11 adalah nilai perbandingan elemen A1 (baris) terhadap A1
(kolom) yang menyatakan hubungan:
a. Seberapa jauh tingkat kepentingan A1 (baris) terhadap kriteria C
dibandingkan dengan A1 (kolom) atau
b. Seberapa jauh dominasi Ai (baris) terhadap Ai (kolom) atau
c. Seberapa banyak sifat kriteria C terdapat pada A1 (baris) dibandingkan
dengan A1 (kolom).
Saaty telah membuktikan bahwa nilai skala komparasi 1 sampai
dengan 9 merupakan pengambilan keputusan individual yang baik dalam
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II - 8
pendekatan system dengan pertimbangan ketelitian yang ditunjukkan pada
nilai RMS (Root Means Square)
4. Membuat peringkat prioritas dari matriks pairwise dengan menentukan
eigenvector
Setelah matriks perbandingan untuk sekelompok kriteria telah selesai
dibentuk maka langkah berikutnya adalah mengukur bobot prioritas setiap
kriteria tersebut dengan dasar persepsi seorang ahli yang telah dimasukan
dalam matriks tersebut. Hasil akhir perhitungan bobot prioritas tersebut
merupakan suatu bilangan desimal di bawah satu dengan total prioritas
untuk kriteria-kriteria dalam satu kelompok sama dengan satu. Dalam
penghitungan bobot prioritas dipakai cara yang paling akurat untuk matriks
perbandingan yaitu dengan operasi matematis berdasarkan operasi matriks
dan vektor yang dikenal dengan nama eigenvector.
Eigenvector adalah sebuah vektor yang apabila dikalikan sebuah
matriks hasilnya adalah vektor itu sendiri dikalikan dengan sebuah bilangan
skalar atau parameter yang tidak lain adalah eigenvalue. Bentuk
persamaannya sebagai berikut:
A . w =l . w ………………………………………...............(2.1)
dengan w: eigenvector
l: eigenvalue
A: matriks bujursangkar
Eigenvektor biasa disebut sebagai vektor karakteristik dari sebuah
matriks bujursangkar sedangkan eigenvalue merupakan akar karakteristik
dari matriks tersebut. Metode ini yang dipakai sebagai alat pengukur bobot
prioritas setiap matriks perbandingan dalam model AHP karena sifatnya
lebih akurat dan memperhatikan semua interaksi antar kriteria dalam
matriks. Kelemahan metode ini adalah sulit dikerjakan secara manual
terutama apabila matriksnya terdiri dari tiga kriteria atau lebih sehingga
memerlukan bantuan program komputer untuk memecahkannya.
Cara lain untuk memperoleh nilai bobot kriteria atau peringkat
prioritas adalah dengan langkah – langkah berikut ini :
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II - 9
a. Matriks perbandingan diperoleh dari penilaian kabag produksi
Tujuan Sub 1 Sub 2 Sub 3 Sub 4
Sub 1 1 3 5 7
Sub 2 1/3 1 4 8
Sub 3 1/5 1/4 1 4
Sub4 1/7 1/8 1/4 1
Jumlah kolom 1.676 4.375 10.25 20
b. Membagi masing-masing elemen pada kolom tertentu dengan nilai jumlah
kolom tersebut
Tujuan Sub 1 Sub 2 Sub 3 Sub 4
Sub 1 1/1.676 3/4.375 5/10.25 7/20
Sub 2 (1/3)/1.676 1/4.375 4/10.25 8/20
Sub 3 (1/5)/1.676 (1/4)/4.375 1/10.25 4/20
Sub4 (1/7)/1.676 (1/8)/4.375 (1/4)/10.25 1/20
Dari pembagian di atas diperoleh hasil sebagai berikut :
Tujuan Sub 1 Sub 2 Sub 3 Sub 4
Sub 1 0.597 0.686 0.488 0.35
Sub 2 0.199 0.229 0.390 0.4
Sub 3 0.119 0.057 0.098 0.2
Sub4 0.085 0.029 0.024 0.05
c. Hasil tersebut kemudian dinormalisasi untuk mendapatkan eigenvektor
matriks dengan merata-ratakan jumlah baris terhadap tiap elemen.
Tujuan Jumlah Baris Bobot
Sub 1 2.120 0.530 Sub 2 1.218 0.304 Sub 3 0.474 0.119 Sub4 0.188 0.047
Jumlah 1.000
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II - 10
5. Menguji Konsistensi
Salah satu asumsi utama model AHP yang membedakannya dengan
model-model pengambilan keputusan lain adalah tidak adanya syarat
konsistensi mutlak. Dengan model AHP yang memakai persepsi manusia
sebagai inputnya maka ketidakkonsistenan mungkin terjadi karena manusia
memiliki keterbatasan dalam menyatakan persepsinya secara konsisten
terutama kalau harus membandingkan banyak kriteria. Berdasarkan kondisi
ini maka manusia dapat menyatakan persepsinya dengan bebas tanpa ia
harus berpikir apakah persepsinya tersebut akan konsisten nantinya atau
tidak.
Pengukuran konsistensi dari suatu matriks itu sendiri didasarkan atas
eigenvalue maksimum. Dengan eigenvalue maksimum, inkonsistensi yang
biasa dihasilkan matriks perbandingan dapat diminimumkan. Rumus dari
indeks konsistensi adalah:
CI = (l maks - n ) / (n - 1)………………….............………..(2.2)
dengan CI : indeks konsistensi
l maks : eigenvalue maksimum
n : orde matriks
Dengan merupakan eigenvalue dan n ukuran matriks. Eigenvalue
maksimum suatu matriks tidak akan lebih kecil dari nilai n sehingga tidak
mungkin ada nilai CI yang negatif. Makin dekat eigenvalue maksimum
dengan besarnya matriks, makin konsisten matriks tersebut dan apabila sama
besarnya maka matriks tersebut konsisten 100 % atau inkonsistensi 0%.
Dalam pemakaian sehari-hari CI tersebut biasa disebut indeks inkonsistensi
karena persamaan (2.2) di atas memang lebih cocok untuk mengukur
inkonsistensi suatu matriks.
Indeks inkonsistensi di atas kemudian diubah ke dalam bentuk rasio
inkonsistensi dengan cara membaginya dengan suatu indeks random. Indeks
random menyatakan rata-rata konsistensi dari matriks perbandingan
berukuran 1 sampai 10 yang didapatkan dari suatu eksperimen oleh Oak
Ridge National Laboratory dan kemudian dilanjutkan oleh Wharton School.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II - 11
Tabel 2.2 Pembangkit random (RI)
n 1 2 3 4 5 6 7 8 9 10
RI 0 0 0.52 0.89 1.11 1.25 1.35 1.40 1.45 1.49
RICI
CR = ……………………………………………………. (2.3)
dengan CR : rasio konsistensi
CI : indeks konsistensi
RI : indeks random
Batasan diterima tidaknya konsistensi suatu matriks sebenarnya tidak
ada yang baku, hanya menurut beberapa eksperimen dan pengalaman tingkat
inkonsistensi sebesar 10 % ke bawah adalah tingkat inkonsistensi yang
masih dapat diterima. Lebih dari itu harus ada revisi penilaian karena tingkat
inkonsistensi yang terlalu besar dapat menjurus pada suatu kesalahan.
Dari perhitungan nilai eigenvector sebelumnya, selanjutnya
dilakukan perhitungan rasio konsistensi, yaitu dengan cara sebagai berikut :
1. Menghitung nilai
lmaksimum didapatkan dengan mengalikan hasil jumlah kolom pada matriks
perbandingan berpasangan dengan nilai eigenvektor tiap kriteria. Berikut
adalah contoh perhitungannya
= (1.676 x 0.530 + 4.375 x 0.304 + 10.25 x 0.119 + 20 x 0.047 )
= 4.376
2. Menghitung nilai indeks konsistensi (CI)
CI = (l maks - n ) / (n - 1) = (4.376 – 4) / (4 – 1) = 0.125
3. Menghitung nilai rasio konsistensi (CR)
RICI
CR = =89.0125.0
= 0.141
Rasio konsistensi sebesar 0.141 melebihi batas toleransi 0.10. Maka
matriks perbandingan berpasangan pada contoh ini tidak konsisten.
6. Membuat Penilaian Perbandingan Multipartisipan
Penilaian yang dilakukan oleh banyak partisipan akan menghasilkan
pendapat yang berbeda satu sama lain. Analytic Hierarchy Process hanya
maksimuml
maksimuml
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II - 12
memerlukan satu jawaban untuk matriks perbandingan. Jadi semua jawaban
dari partisipan harus dirata-ratakan. Dalam hal ini Saaty memberikan metode
perataan dengan rata-rata geometrik atau geometric mean. Rata-rata
geometrik dipakai karena bilangan yang dirata-ratakan adalah deret bilangan
yang sifatnya rasio dan dapat mengurangi gangguan yang ditimbulkan salah
satu bilangan yang terlalu besar atau terlalu kecil (Brodjonegoro, 1992).
Teori rata-rata geometrik menyatakan bahwa jika terdapat n
partisipan yang melakukan perbandingan berpasangan, maka terdapat n
jawaban atau nilai numerik untuk setiap pasangan. Untuk mendapatkan nilai
tertentu dari semua nilai tersebut, masing-masing nilai harus dikalikan satu
sama lain kemudian hasil perkalian itu dipangkatkan dengan 1/n. Secara
matematis dituliskan sebagai berikut :
aij = (z1´ z2´ z3 ´ ... ´zn)1/n ....................................……. (2.4)
dengan aij adalah nilai rata-rata perbandingan berpasangan kriteria Ai
dengan Aj untuk n partisipan. Sedangkan Zi adalah nilai perbandingan antara
kriteria Ai dengan Aj untuk partisipan i, dengan i = 1, 2, 3, ..., n dan n adalah
jumlah partisipan.
7. Menyusun Rekapitulasi Peringkat Alternatif
Peringkat alternatif dapat ditentukan dengan mengalikan nilai
eigenvector alternatif dengan nilai eigenvector kriteria. Hasil-hasil dari
metode AHP dengan langkah-langkah seperti di atas dapat digunakan
sebagai bahan pertimbangan dalam pengambilan keputusan. Berdasarkan
metode di atas, pengambil keputusan akan lebih mengutamakan alternatif
langkah yang mempunyai bobot paling besar dibandingkan pilihan alternatif
langkah lainnya. Sehingga, rencana yang telah dibuat dapat terlaksana
dengan baik dan lebih bermanfaat.
2.5. Technique for Order Preference by Similarity to Ideal Solution (TOPSIS)
Tzeng dan Huang (2011) menjelaskan bahwa metode TOPSIS
pertama kali diusulkan oleh Hwang dan Yoon (1981) untuk menentukan
alternatif terbaik berdasarkan konsep fundamental. Konsep fundamental
dari metode TOPSIS adalah penentuan jarak euclide terpendek dari solusi
ideal positif dan jarak terpanjang dari solusi ideal negatif. Euclide
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II - 13
merupakan ukuran jarak ke masing-masing kutub kinerja dengan bobot
opsional dari setiap atribut.
Solusi ideal positif didefinisikan sebagai jumlah dari seluruh nilai
terbaik yang dapat dicapai untuk setiap atribut, sedangkan solusi negatif-
ideal terdiri dari seluruh nilai terburuk yang dicapai untuk setiap atribut.
TOPSIS mempertimbangkan keduanya, jarak terhadap solusi ideal positif
dan jarak terhadap solusi ideal negatif dengan mengambil kedekatan relatif
terhadap solusi ideal positif. Berdasarkan perbandingan terhadap jarak
relatifnya, susunan prioritas alternatif bisa dicapai.
Secara umum, prosedur dari metode TOPSIS mengikuti langkah-
langkah sebagai berikut:
a. Menentukan matriks keputusan yang ternormalisasi.
Elemen rij hasil dari normalisasi decision matrix R dengan metode
Euclidean length of a vector adalah 翸�Ǵ纵果邹밠 撇塞鳃瞬∑ 撇塞鳃潜叁塞腔前 , 㷠 밠 1,… .柜;鬼밠 1,…桂 …………………(2.5)
dengan C = {Cj | j = 1, ..., m}menandakan kriteria, dan X = {xkj | k = 1,..,n
j = 1, ..., m} menandakan himpunan kinerja peringkat.
b. Menghitung matriks keputusan yang ternormalisasi terbobot.
惯�Ǵ纵果邹밠 灌Ǵ翸�Ǵ纵果邹,㷠 밠 1,… ,柜;鬼밠 1,… ,桂 ……………...…(2.6)
dengan w = {w | j = 1, ..., m} adalah himpunan bobot.
c. Menghitung matriks solusi ideal positif dan matriks solusi ideal negatif.
Solusi ideal dinotasikan PIS atau A+, sedangkan solusi ideal negatif
dinotasikan NIS atau A- 剨I 밠 故嫩밠 誓郭囊嫩纵果邹,郭挠嫩纵果邹,… .郭Ǵ嫩纵果邹,…郭屏嫩纵果邹嗜 ……………(2.7)
밠 誓试 惯�Ǵ纵果邹�屏频铺 特鬼∈ 褂囊守,试 惯�Ǵ纵果邹�屏平坡 特鬼∈ 褂挠守|㷠 밠 1,…柜嗜
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II - 14
棺I 밠 故能밠 誓郭囊能纵果邹,郭挠能纵果邹,… .郭Ǵ能纵果邹,…郭屏能纵果邹嗜 ……………(2.8)
밠 誓试 惯�Ǵ纵果邹�屏平坡 特鬼∈ 褂囊守,试 惯�Ǵ纵果邹�屏平坡 特鬼∈ 褂挠守|㷠 밠 1,…柜嗜 d. Menghitung jarak antara nilai setiap alternatif dengan matriks solusi ideal
positif dan matrik solusi ideal negatif.
Dk* adalah jarak (dalam pandangan euclidean) alternatif dari solusi ideal
positif didefinisikan sebagai : 雇㷠∗ 밠 瞬∑ 族惯㷠鬼纵果邹石郭鬼十桂鬼밠1 纵果邹租2,㷠 밠 1,… ,柜 ……………..…(2.9)
Dk- adlah jarak terhadap solusi ideal negatif didefinisikan sebagai: 雇�能밠 瞬∑ 侍惯�Ǵ纵果邹石郭Ǵ能屏Ǵ妮囊 纵果邹租挠,㷠 밠 1,… ,柜 ……………….…(2.10)
e. Menghitung nilai preferensi untuk setiap alternatif.
固�∗ 밠 劈塞呛试劈塞∗嫩劈塞呛守, 㷠 밠 1, … ,柜, ………………………………..(2.11)
Alternatif dapat dirangking berdasarkan urutan Ck*. Maka dari itu,
alternatif terbaik adalah salah satu yang berjarak terpendek terhadap solusi
ideal positif dan berjarak terjauh dengan solusi ideal negatif.
2.6. Basis Data (Database)
2.6.1. Pengertian Basis Data
Basis data (database) merupakan kumpulan dari data yang saling
berhubungan dengan yang lainnya, tersimpan di perangkat keras komputer
dan digunakan perangkat lunak untuk memanipulasinya. Database
merupakan salah satu komponen yang penting dalam sistem informasi,
karena merupakan basis dalam menyediakan informasi bagi para pemakai.
Penerapan database dalam sistem informasi disebut dengan database
system.
Sistem basis data (database system) adalah suatu sistem informasi
yang mengintegrasikan kumpulan dari data yang saling berhubungan satu
dengan yang lainnya dan membuatnya tersedia untuk beberapa aplikasi yang
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II - 15
bermacam-macam didalam suatu organisasi. Dengan sistem basis data ini
tiap-tiap orang atau bagian dapat memandang database dari beberapa sudut
pandang yang berbeda. Bagian kredit dapat memandangnya sebagai data
piutang, bagian penjualan dapat memandangnya sebagai data penjualan,
bagian personalia dapat memandangnya sebagai data karyawan, bagian
gudang dapat memandangnya sebagai data persediaan. Semuanya
terintegrasi dalam sebuah data yang umum. Berbeda dengan sistem
pengolahan data tradisional, sumber data ditangani sendiri-sendiri untuk tiap
aplikasinya.
2.6.2. Tujuan Basis Data
Basis data bertujuan untuk mengatur data sehingga diperoleh
kemudahan, ketepatan, dan kecepatan dalam pengambilan kembali. Untuk
mencapai tujuannya, syarat sebuah basis data yang baik adalah sebagai
berikut :
1. Tidak adanya redundansi dan inkonsistensi data
Redundansi terjadi jika suatu informasi disimpan di beberapa tempat.
Akibat dari redundansi adalah inkonsistensi data atau data yang tidak
konsisten.
2. Mudah dalam pengaksesan data
Basis data memiliki fasilitas untuk melakukan pencarian informasi
dengan menggunakan query ataupun dari tool untuk melihat tabelnya.
Dengan fasilitas ini, pengguna bisa secara langsung melihat data dari
software DBMS (Database Management System)-nya. Dalam basis
data, informasi yang diperoleh dari kumpulan data bisa berupa
keseluruhan data, sebagian data, data dengan filter tertentu, ataupun
data yang terurut.
3. Dapat digunakan oleh beberapa user dalam waktu bersamaan
Basis data memungkinkan penggunaan data bersama-sama oleh
banyak pengguna pada saat yang bersamaan atau pada saat yang
berbeda. Dengan meletakkan basis data pada bagian server yang bisa
diakses dari client, kita sudah menyediakan akses ke semua pengguna
dari komputer client ke sumber informasi yaitu basis data. Tentu saja
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II - 16
pengaksesan oleh pengguna-pengguna ini disesuaikan dengan hak
aksesnya.
2.6.3. Manfaat Basis Data
Banyak manfaat yang dapat diperoleh dengan menggunakan basis
data. Manfaat basis data diantaranya adalah :
1. Kecepatan dan kemudahan (speed)
Dengan menggunakan basis data pengambilan informasi dapat
dilakukan dengan cepat dan mudah. Basis data memiliki kemampuan
dalam mengelompokkan, mengurutkan, bahkan perhitungan dengan
matematika. Dengan perancangan yang benar, maka penyajian
informasi akan dapat dilakukan dengan cepat dan mudah.
2. Kebersamaan pemakai (sharability)
Sebuah basis data dapat digunakan oleh banyak user dan banyak
aplikasi. Untuk data-data yang diperlukan oleh banyak bagian/orang,
tidak perlu dilakukan pencatatan di masing-masing bagian, tetapi
cukup dengan satu basis data untuk dipakai bersama.
3. Pemusatan kontrol data
Karena cukup dengan satu basis data untuk banyak keperluan,
pengontrolan terhadap data juga cukup dilakukan di satu tempat saja.
Jika ada perubahan data, maka tidak perlu dilakukan update di masing-
masing bagian tetapi cukup hanya di satu basis data.
4. Efisiensi ruang penyimpanan
Dengan pemakaian bersama, maka tidak perlu disediakan tempat
penyimpanan di berbagai tempat, tetapi cukup satu saja sehingga hal
ini akan menghemat ruang penyimpanan yang dimiliki oleh sebuah
organisasi.
5. Keakuratan (accuracy)
Penerapan secara ketat aturan tipe data, keunikan data, hubungan antar
data, dan lain-lain, dapat menekan ketidakakuratan dalam
pemasukan/penyimpanan data.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II - 17
6. Ketersediaan (availability)
Dengan basis data kita dapat mem-backup data, memilah-milah data
mana yang masih diperlukan dan data mana yang perlu kita simpan ke
tempat lain. Hal ini mengingat pertumbuhan transaksi suatu organisasi
dari waktu ke waktu membutuhkan media penyimpanan yang semakin
besar.
7. Keamanan (security)
Kebanyakan DBMS dilengkapi dengan fasilitas manajemen pengguna.
Pengguna diberikan hak akses yang berbeda-beda sesuai dengan
kepentingan dan posisinya. Basis data bisa diberikan password untuk
membatasi orang yang mengaksesnya.
8. Kemudahan dalam pembuatan aplikasi baru
Penggunaan basis data merupakan bagian dari perkembangan
teknologi. Dengan adanya basis data pembuatan aplikasi bisa
memanfaatkan kemampuan dari DBMS, sehingga pembuat aplikasi
tidak perlu mengurusi penyimpanan data, tetapi cukup mengatur
interface untuk pengguna.
9. Kebebasan data (data independence)
Jika sebuah program telah selesai dibuat, dan ternyata ada perubahan
isi/struktur data. maka dengan basis data, perubahan ini hanya perlu
dilakukan pada level DBMS tanpa harus membongkar kembali
program aplikasinya.
2.7. Model Pengambilan Keputusan
Manajemen adalah proses untuk mencapai tujuan organisasi dengan
menggunakan semua sumber daya yang dimilikinya (Subakti, 2002). Di dalam
suatu manajemen selalu terdapat proses pengambilan keputusan. Sekarang ini
pengambilan keputusan trial and error tidak lagi efektif, karena itu banyak
manajer menggunakan tools untuk membantu dalam mengambil keputusan agar
didapat hasil yang baik dalam menyelesaikan masalah.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II - 18
Faktor-faktor yang mempengaruhi pengambilan keputusan antara lain :
a. Teknologi / Informasi / Komputer
Jika terdapat teknologi atau informasi yang cukup, maka semakin
mudah untuk menyediakan pilihan
b. Structual Complexity / Competition
Masalah yang kompleks akan berbeda penanganannya dengan
maslah yang sederhana. Kesalahan pengambilan keputusan dalam
masalah yang kompleks akan berdampak besar bagi manajemen
tersebut.
c. International Markets / Political Stability / Consumerism
Keadaan ekonomi, politik ataupun pasar dunia bisa mempengaruhi
pengambilan keputusan. Jika keadaan ekonomi, politik tidak stabil
maka keputusan yang diambil semakin diliputi ketidakpastian.
d. Changes, Fluctuations
Perubahan keadaan ekonomi atau politik yang cepat dan tidak
stabil akan menuntut kita mengambil keputusan dengan cepat.
Simon, (1977) mengenalkan metoda proses pengambilan keputusan yang
terdiri dari empat fasa utama yaitu:
1. Fase Intelijen
Proses pengambilan keputusan berawal pada fasa ini dimana
penyelidikan dan mengidentifikasi lingkup problematika yang
dikumpulkan.
2. Fase Desain
Tahap ini merupakan proses konstruksi dengan membuat perkiraan-
perkiraan kemungkinan terjadi dari setiap variabel dan hubungan antar
variabelnya. Tahap ini meliputi proses untuk mengembangkan dan
menganalisa alternatif tindakan yang bisa dilakukan.
3. Fase Pemilihan
Setelah menganalisa alternatif-alternatif tindakan maka pada tahap ini
dilakukan proses pemilihan diantara alternatif untuk dijalankan.
Proses pemilihan ini meliputi mencari, mengevaluasi dan
merekomendasikan solusi yang tepat dari model. Solusi dari suatu
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II - 19
model adalah satu kesatuan nilai variable keputusan dalam beberapa
alternatif yang dipilih.
4. Fase Implementasi
Pada tahap ini solusi yang telah disepakati mulai dijalankan. Alternatif
keputusan yang telah disepakati dan dievaluasi merupakan alternatif
optimal yang dipilih.
2.8. Karakteristik Sistem Pendukung Keputusan
Pada dasarnya sistem pendukung keputusan dirancang untuk
mendukung seluruh tahap pengambilan keputusan mulai dari mengidentifikasi
masalah, memilih data yang relevan, menentukan pendekatan yang digunakan
dalam proses pengambilan keputusan, sampai mengevaluasi pemilihan interaktif.
Peranan sistem pendukung keputusan dalam konteks keseluruhan sistem
informasi ditujukan untuk memperbaiki kinerja melalui aplikasi teknologi
informasi. Terdapat sepuluh karakteristik dasar sistem pendukung keputusan yang
efektif, yaitu :
1. Mendukung proses pengambilan keputusan, menitikberatkan
pada management by perception
2. Adanya interface manusia/ mesin dimana manusia (user) tetap
mengontrol proses pengambilan keputusan
3. Mendukung pengambilan keputusan untuk membahas masalah-
masalah terstruktur, semiterstruktur, dan tidak terstruktur
4. Menggunakan model-model matematis dan statistik yang sesuai
5. Memiliki kapabilitas dialog untuk memperoleh informasi
sesuai dengan kebutuhan – model interaktif
6. Output ditunjukkan untuk personil organisasi dalam semua
tingkatan
7. Memiliki subsistem-subsistem yang terintegrasi sedemikian rupa
sehingga dapat berfungsi sebagai kesatuan sistem
8. Membutuhkan struktur data komprehensif yang dapat melayani
kebutuhan informasi keseluruhan tingkatan manajemen
9. Pendekatan easy to use. Ciri suatu sistem pendukung
keputusan yang efektif adalah kemudahan untuk digunakan,
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II - 20
dan memungkinkan keleluasaan pemakai untuk memilih atau
mengembangkan pendekatan-pendekatan baru dalam membahas
masalah yang dihadapi.
10. Kemampuan sistem beradaptasi secara tepat, dimana pengambil
keputusan dapat menghadapi masalah-masalah baru, dan pada
saat yang sama dapat menangani dengan cara mengadaptasi
sistem terhadap kondisi-kondisi perubahan yang terjadi.
2.9. Penelitian Terkait
Penelitian-penelitian yang terkait dengan sistem pendukung keputusan
tentang multi criteria decision making antara lain :
1. Penelitian oleh Jafari dkk (2007) dengan judul ”A New Framework
for Selection of the Best Performance Appraisal Method”. Penelitian
ini mengusulkan kerangka kerja untuk memilih metode penilaian
kinerja terbaik menggunakan Simple Additive Weighting Method
(SAW). Konsep dasar metode SAW adalah mencari penjumlahan
terbobot dari rating kinerja pada setiap alternatif pada semua atribut
2. Jadidi dkk (2010) dengan judul “TOPSIS Method for Supplier
Selection Problem” . Pada penlitian ini disebutkan metode Technique
for Order Preference by Similarity to Ideal Solution (TOPSIS) lebih
tepat digunakan untuk menentukan penyedia pada suatu perusahaan.
3. Penelitian oleh Ayag dan Ozdemir (2004) dengan judul “A fuzzy AHP
approach to evaluating machine tool alternatives “. Pada penelitian ini
Analytic Hierarchy Process dirasa kurang mampu untuk digunakan
dikarenakan ketidakjelasan dari pengambil keputusan sehingga
penelitian ini menggunakan Fuzzy Analytic Hierarchy Process (AHP)
untuk menentukan alternatif mesin terbaik untuk digunakan dalam
suatu perusahaan.
4. Penelitian oleh Laise (2004) dengan judul “Benchmarking and
learning organizations : ranking methods to identify best in class “.
Penelitian ini mengusulkan penggunaan metode yang merupakan
pengembangan dari konsep outranking yaitu Elimination Et Coix
Traduisant La Realite ( ELECTRE). ELECTRE didasarkan pada
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II - 21
konsep perankingan melalui perbandingan berpasangan antar alternatif
pada kriteria yang sesuai. Suatu alternatif dikatakan mendominasi
alternatif yang lainnya jika satu atau lebih kriterianya melebihi
(dibandingkan dengan kriteria dari alternatif yang lain) dan sama
dengan kriteria lain yang tersisa.
5. Penelitian oleh Muhammad Arief Setyawan dengan judul “Studi Kasus
Penentuan Pemenang Tender Pelaksanaan Pengadan Bahan Habis
Pakai Dengan Metode Promethee”. Penelitian ini menggunakan
metode PROMETHEE merupakan salah satu metode yang digunakan
untuk menentukan urutan atau prioritas dari beberapa alternatif dalam
permasalahan yang menggunakan multi kriteria.
6. Penelitian oleh Arwan Ahmad Khoiruddin dengan judul “Sistem
Pendukung Keputusan Penentuan Kelayakan Calon Rintisan Sekolah
Bertaraf Internasional Dengan Metode Fuzzy Associative Memory”.
Metode yang digunakan pada penelitian ini adalah metode Fuzzy
Associative Memory. Metode ini dipilih karena metode ini lebih alami
karena mendasarkan keputusan pada kemiripan dengan sampel data
yang sudah ada dalam sistem. Sistem Fuzzy Associative Memory terdiri
dari pasangan (A,B) dengan A adalah data nilai sekolah untuk
kedelapan belas indikator penilaian SBI dan B adalah aturan. Dengan
menggunakan Fuzzy Associative Memory, dengan menggunakan 20
data sampel didapatkan validitas keputusan sebesar 85%.
7. Penelitian Ng Chun Yu , Chuah, dan Kong Bieng (2012) dengan judul
“Evaluation of Eco design alternatives by integrating AHP and
TOPSIS methodology under a fuzzy environment”. Penelitian ini
menggunakan penggabungan metode AHP dan TOPSIS umtuk
mengevaluasi desain alternatif selama proses pengembangan produk
baru.
8. Penelitian Maryam Sadeghi dan Kimia Keshanian (2011) dengan judul
“Poison Selection in Agriculture by using AHP and TOPSIS-A Case
Study for the Apple Trees”. Penelitian ini menggunakan penggabungan
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
II - 22
metode AHP dan TOPSIS untuk memilih alternatif racun hama terbaik
untuk mengurangi serangan hama pada pohon apel.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
III-1
BAB III
METODOLOGI PENELITIAN
Penelitian ini bertujuan untuk merancang sistem pendukung keputusan
sebagai alat bantu untuk menentukan prioritas peserta terbaik (penyedia) dari
kontes pengadaan barang. Demi mencapai tujuan tersebut, diperlukan tahapan
penelitian sebagai kerangka acuan yang memudahkan pemahaman mengenai
permasalahan dan mengupayakan penyelesaian masalah menjadi lebih sistematis
dan terarah. Tahapan penelitian dipaparkan pada Gambar 3.1.
Gambar 3.1. Metodologi Penelitian
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
III-2
Diagram alir metodologi penelitian pada gambar 3.1 dapat diuraikan sebagai
berikut.
3.1 Tahap Identifikasi Masalah
Tahap ini diawali dengan studi pustaka, studi lapangan, perumusan masalah,
dan penentuan tujuan penelitian. Langkah-langkah yang ada pada tahap
identifikasi masalah tersebut dijelaskan pada sub bab berikut ini.
3.1.1 Studi Pustaka
Studi pustaka dilakukan untuk mendukung proses penyelesaian penelitian
ini. Studi pustaka ini dilakukan dengan mempelajari beberapa teori yang harus
dikuasai yaitu mengenai teori pengadaan barang/jasa, konsep dasar sistem,
perbandingan berpasangan, multi criteria decision making, sistem pendukung
keputusan, konsep perancangan sistem, perancangan database, dan perancangan
interface.
3.1.2 Studi Lapangan
Studi lapangan dilakukan untuk mengetahui sistem yang sedang berjalan.
Studi lapangan ini dilakukan dengan cara melakukan penelusuran, pengamatan di
lapangan secara nyata dan wawancara dengan pihak-pihak terkait antara lain tim
juri dan tim panitia dalam kegiatan kontes pengadaan kereta kencana tahun 2011.
Dengan melakukan pengamatan sistem ini maka dapat diketahui kekurangan-
kekurangan yang ada pada sistem lama.
3.1.3 Perumusan Masalah dan Tujuan Penelitian
Berdasarkan studi lapangan yang telah dilakukan, kemudian disusun sebuah
perumusan masalah. Perumusan masalah dilakukan dengan menetapkan sasaran-
sasaran yang akan dibahas untuk kemudian dicari solusi pemecahan masalahnya.
Adapun permasalahan yang akan dibahas lebih lanjut adalah bagaimana
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
III-3
merancang suatu sistem pendukung keputusan pemilihan penyedia dalam kegiatan
kontes pengadaan barang.
Tujuan penelitian ditetapkan agar penelitian yang dilakukan dapat
menjawab dan menyelesaikan rumusan masalah yang dihadapi. Adapun tujuan
penelitian yang ditetapkan dari hasil perumusan masalah adalah :
1. Mengidentifikasi metode dan mekanisme penilaian yang digunakan dalam
pemilihan penyedia pada kegiatan kontes pengadaan barang.
2. Mengembangkan alternatif model penyusunan kriteria dan penentuan nilai
untuk pemilihan penyedia pada kegiatan kontes pengadaan barang.
3. Merancang sistem pendukung keputusan untuk pemilihan penyedia pada
kegiatan kontes pengadaan barang.
3.1.3 Pengumpulan Data Berdasarkan Kasus Kontes Kereta Kencana
Pengumpulan data dilakukan terhadap data-data yang dibutuhkan selama
penelitian. Data kriteria penilaian digunakan untuk menentukan kriteria apa saja
yang digunakan untuk melakukan pemilihan supplier. Jumlah peserta dan juri
digunakan sebagai acuan penentuan responden dan peserta dalam tahap
pengolahan data selanjutnya. Mekanisme penilaian digunakan sebagai acuan
menghitung data hipotetik yang disusun selanjutnya untuk menentukan supplier
pemenang.
3.2 Tahap Pengolahan Data
3.2.1 Penyusunan Data Hipotetik
Penyusunan data hipotetik dilakukan dengan menentukan data-data yang
diperlukan dalam pengolahan data. Data hipotetik yang disusun antara lain kriteria
penilaian, nilai dari peserta kontes, jumlah juri dan jumlah peserta. Data-data
tersebut dihitung dengan metode scoring dan metode penggabungan anatara
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
III-4
metode Analytic Hierarchy Process (AHP) dan Technique for Order Preference
by Similarity to Ideal Solution (TOPSIS).
3.2.2 Penghitungan Penilaian dengan Metode Scoring
Penghitungan penilaian yang pertama dilakukan dengan metode scoring
sesuai mekanisme yang dilakukan di Kontes Kereta Kencana. Penghitungan ini
dilakukan dengan data-data hipotetik yang telah disusun. Penghitungan ini
nantinya akan dibandingkan dengan penghitungan dengan metode usulan dengan
menggunakan data hipotetik yang sama.
3.2.3 Penghitungan Penilaian dengan Metode AHP dan TOPSIS
Penghitungan Positive Ideal Solution
Penghitungan Negative Ideal
Solution
Penghitungan Similarities Positive
Ideal Solution
Pembobotan Data Ternormalisasi
Tidak Rasio Konsistensi
Valid?Ya
Identifikasi dan Penyusunan Kriteria Pemilihan Penyedia
Barang
1
2
3
4
5
6
7 8
9
Pemberian Bobot Kepentingan Untuk
Tiap Kriteria
Penghitungan Bobot Kepentingan Kriteria
dan Penghitungan Konsistensi Rasio
Pengumpulan Data Penilaian Penyedia
Barang
Penghitungan Normalisasi Data
Gambar 3.2. Kombinasi Pengolahan Data dengan TOPSIS dan AHP
Langkah 1 :
Tahap awal yaitu mengidentifikasi kriteria dan subkriteria yang digunakan dalam
pemilihan penyedia barang.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
III-5
Langkah 2 :
Tahap proses pemberian bobot kepentingan kriteria dan subkriteria dilakukan
dengan bantuan penilaian responden yang dianggap ahli atau berkompeten.
Penilaian yang dilakukan berupa suatu perbandingan berpasangan antar masing-
masing kriteria dan subkriteria. Penilaian perbandingan berpasangan
menggunakan skala 9 point untuk kriteria dan subkriteria dalam model Analytic
Hierarchy Process (AHP). Selanjutnya dilakukan pengolahan data menggunakan
rumus rata-rata geometrik sesuai dengan persamaan (2.4).
Langkah 3 :
Penghitungan bobot kepentingan kriteria dan subkriteria dilakukan dengan metode
AHP. Penghitungan konsistensi menggunakan persamaaan (2.2) dan (2.3).
Langkah 4 :
Pada tahap ini dilakukan pengumpulan data penilaian penyedia barang
berdasarkan subkriteria penilaian oleh para juri.
Langkah 5 :
Pada tahap ini dilakukan normalisasi data untuk data yang memiliki satuan
berbeda untuk menghilangkan fungsi satuan dari masing-masing data
menggunakan metode Technique for Order Preference by Similarity to Ideal
Solution (TOPSIS) dengan persamaan (2.5).
Langkah 6 :
Pada proses ini data ternormalisasi tiap subkriteria akan dilakukan pembobotan
dari hasil penghitungan bobot kepentingan. Penghitungannya dengan
menggunakan rumus (2.6).
Langkah 7 :
Penghitungan solusi ideal positif adalah dengan menghitung kuadrat selisih data
terhadap nilai maksimumnya lalu diakumulasikan sesuai jumlah subkriteria dan
diakar. Penghitungan ini menggunakan rumus (2.9).
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
III-6
Langkah 8 :
Penghitungan separasi solusi ideal negatif adalah dengan menghitung kuadrat
selisih data terhadap nilai minimumnya lalu diakumulasikan sesuai jumlah
subkriteria dan diakar. Penghitungan ini menggunakan rumus (2.10).
Langkah 9 :
Penghitungan kedekatan relative terhadap solusi ideal merupakan langkah terakhir
untuk mendapatkan solusi optimal. Penghitungan ini menggunakan rumus (2.11).
3.3 Tahap Perancangan Sistem
Perancangan sistem dalam penelitian ini dibagi menjadi tiga tahap, yang
terdiri dari perancangan database (basis data), perancangan user interface, dan
pembuatan program aplikasi dan validasi program.
3.3.1 Perancangan Desain Proses Bisnis
Pada tahap ini akan dirancang desain proses bisnis yang menggambarkan
aktivitas-aktivitas yang bisa terjadi dalam aplikasi program yang akan dibuat.
Perancangan desain proses ini dibuat menggunakan use case diagram.
3.3.2 Perancangan Database (Basis Data)
Pada tahap ini akan dirancang database yang nantinya digunakan untuk
penyimpanan data dari aplikasi pemilihan penyedia pada kegiatan kontes
pengadaan barang. Tahap yang dilakukan antara lain yaitu pembuatan tabel, dan
menentukan relasi antara tabel.
3.3.3 Pembuatan Program
Pembuatan program aplikasi merupakan penulisan kode program sesuai
dengan user interface dan sistem yang telah dirancang. Software yang digunakan
dalam pembuatan aplikasi ini adalah Microsoft Visual Studio.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
III-7
3.3.4 Validasi Program
Validasi program merupakan tahapan untuk menguji kelayakan program
yang telah kita buat. Validasi dilakukan dengan memberikan input data hipotetik
yang telah digunakan sehingga bisa diketahui apakah output yang dihasilkan
sesuai dengan yang diharapkan. Jika program sudah dinilai layak dan mencakup
seluruh sistem pengambilan keputusan yang dirancang, maka perancangan
program pengambilan keputusan dianggap telah selesai.
3.4 Tahap Analisis Dan Kesimpulan
Tahap analisis dan kesimpulan meliputi kegiatan analisis hasil dan
kesimpulan dan saran.
3.4.1 Analisis Hasil
Pada tahap ini dilakukan analisis terhadap hasil dari pengolahan data yang
dilakukan dalam penelitian ini. Analisis yang dilakukan terdiri dari dua bagian
yaitu analisis tentang kinerja TOPSIS dalam penghitungan dengan variabilita data
yang tinggi dan analisis hasil output dari program yang dibuat.
3.4.2 Kesimpulan dan Saran
Tahap terakhir dari penelitian ini adalah kesimpulan dan saran. Pada tahap
ini akan dibahas hasil pengolahan data dengan mempertimbangkan tujuan yang
ingin dicapai dalam penelitan dan memberikan saran untuk perbaikan selanjutnya.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user IV-1
BAB IV PENGUMPULAN DAN PENGOLAHAN DATA
Pada bab ini dibahas mengenai pengumpulan dan pengolahan data, mulai dari
identifikasi kriteria dan subkriteria pemilihan penyedia barang, penyusunan kriteria
dan subkriteria pemilihan penyedia barang, pemberian bobot kepentingan kriteria dan
subkriteria, penghitungan konsistensi, pengumpulan data pemilihan penyedia barang,
normalisasi data, pembobotan data ternormalisasi, penghitungan solusi ideal positif,
penghitungan solusi ideal negatif penghitungan solusi optimal dan desain interface
dari program yang akan dibuat.
4.1 Penyusunan Data Hipotetik
Langkah pendahuluan yang penting untuk dilakukan sebelum melakukan
pengolahan data, yaitu menyusun data hipotetik yang berupa data kriteria, data
peserta dan data penilaian.
4.1.1 Penyusunan Data Hipotetik Kriteria
Kriteria dan subkriteria yang digunakan dalam penelitian ini diambil dari
kriteria pemilihan penyedia barang oleh Dinas Kebudayaan dan Pariwisata Kota
Surakarta pada tahun 2011 yang mengadakan kegiatan kontes pengadaan kereta
kencana. Tujuan dari kontes ini adalah untuk memperkuat pencitraan Kota Surakarta
sebagai sebuah kota budaya dan usaha untuk memberikan alternatif transportasi unik
yang ramah lingkungan kepada para wisatawan yang hadir di Kota Surakarta.
Berdasarkan dokumen pengadaan kereta kencana oleh Dinas Kebudayaan dan
Pariwisata tahun 2011 menyebutkan bahwa unsur atau kriteria yang dinilai antara lain
aspek fungsi, aspek estetika dan aspek ekonomis. Ketiga aspek tersebut memiliki
beberapa subkriteria penilaian. Aspek fungsi terdiri dari kekuatan, kenyamanan, dan
kemudahan pengoperasian. Aspek estetika terdiri dari desain, makna simbolik, dan
originalitas. Sedangkan aspek ekonomis hanya dilihat dari murah atau tidaknya harga
kereta kencana tersebut dan tidak dinilai oleh juri. Form penilaian kontes kereta
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user IV-2
kencana tahun 2011 disajikan pada Gambar 4.1.
ASPEK EKONOMISKekuatan Kenyamanan Kemudahan Pengoperasian Desaian Makna Simbolik Originalitas Harga
TOTAL NILAIASPEK FUNGSI ASPEK ESTETIKAJENIS KERETA
Gambar 4.1 Form Penilaian Kontes Kereta Kencana
Sumber : Dinas Kebudayaan dan Pariwisata Kota Surakarta, 2011
Perancangan hierarchical tree dimaksudkan untuk memperjelas tujuan,
kriteria dan subkriteria dari suatu pengambilan keputusan. Rancangan hierarchical
tree disajikan pada gambar 4.2.
Gambar 4.2 Rancangan Hierarchical Tree
Keterangan :
G : pemilihan penyedia barang
K3 : aspek ekonomis
K1 : aspek fungsi
K2 : aspek estetika
K11 : kekuatan
K12 : kenyamanan
K13 : kemudahan pengoperasian
K21 : desain
K22 : makna simbolik
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user IV-3
K23 : originalitas
K31 : harga
4.1.2 Penyusunan Data Hipotetik Peserta
Penyusunan data hipotetik peserta berjumlah enam. Penggunaan data hipotetik
dengan jumlah peserta lebih dari dua dimaksudkan untuk memperbanyak data
penilaian sehingga variansi data semakin tinggi.
4.1.3 Penyusunan Data Hipotetik Penilaian
Pada tahap ini dilakukan penyusunan data hipotetik penilaian penyedia barang
berdasarkan subkriteria penilaian. Data yang digunakan adalah data penilaian dari
data hipotetik dengan jumlah enam peserta.
Data ini nantinya akan digunakan dalam proses pengolahan selanjutnya yaitu
menggunakan metode Technique for Order Preference by Similarity to Ideal Solution
(TOPSIS). Data penilaian peserta pemilihan penyedia barang ditampilkan pada tabel
4.1 , tabel 4.2, dan tabel 4.3.
Tabel 4.1. Hasil Penilaian Peserta Data Hipotetik I
Kekuatan Kenyamanan Kemudahan Desain Makna Originalitas (K11) (K12) Pengoperasian (K13) (K21) Simbol (K22) (K31)
Peserta 1 90 90 80 85 90 80Peserta 2 90 80 85 80 90 85Peserta 3 85 90 90 90 90 80Peserta 4 90 90 80 90 90 80
Tabel 4.2. Hasil Penilaian Peserta Data Hipotetik II
Kekuatan Kenyamanan Kemudahan Desain Makna Originalitas (K11) (K12) Pengoperasian (K13) (K21) Simbol (K22) (K31)
Peserta 1 90 84 80 75 85 85Peserta 2 90 80 85 90 85 85Peserta 3 80 80 84 75 85 90Peserta 4 88 82 90 75 85 80
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user IV-4
Tabel 4.3. Hasil Penilaian Peserta Data Hipotetik III
Kekuatan Kenyamanan Kemudahan Desain Makna Originalitas (K11) (K12) Pengoperasian (K13) (K21) Simbol (K22) (K31)
Peserta 1 90 80 80 90 90 80Peserta 2 80 85 85 90 90 70Peserta 3 90 90 75 75 90 85Peserta 4 90 80 90 75 90 80
4.2 Penghitungan Penilaian dengan Metode Scoring
Penghitungan penilaian dengan metode scoring adalah dengan menjumlahkan
semua penilain dari ketiga juri untuk selanjutnya dicari nilai yang paling besar. Nilai
peserta yang paling besar ditetapkan sebagai pemenang atau peserta terbail. Metode
scoring ini masih digunakan dalam beberapa kasus pemilihan penyedia barang
menggunakan metode kontes termasuk pemilihan penyedia barang kontes pengadaan
kereta kencana Kota Surakarta. Berikut hasil penjumlahan dari ketiga penilian juri.
Tabel 4.4. Hasil Penjumlahan Penilaian Peserta
Kekuatan Kenyamanan Kemudahan Desain Makna Originalitas (K11) (K12) Pengoperasian (K13) (K21) Simbol (K22) (K31)
Peserta 1 270 254 240 250 265 245Peserta 2 260 245 255 260 265 240Peserta 3 255 260 249 240 265 255Peserta 4 268 252 260 240 265 240
4.3 Penghitungan Penilaian dengan Metode AHP dan TOPSIS
4.3.1 Pemberian Bobot Kepentingan Kriteria dan Subkriteria
Tahap pemberian bobot kepentingan dilakukan setelah kriteria dan subkriteria
selesai disusun. Proses pemberian bobot kepentingan dilakukan dengan bantuan
penilaian responden yang dianggap ahli atau berkompeten. Terdapat tiga responden
yang terdiri dua panitia dan satu juri dalam kontes kereta kencana. Penyelesaian
penilaian ahli terhadap kriteria dan subkriteria dengan menggunakan metode analytic
hierarchy process (AHP). Penilaian yang dilakukan berupa suatu perbandingan
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user IV-5
berpasangan antar masing-masing kriteria dan subkriteria. Penilaian perbandingan
berpasangan menggunakan skala 9 point untuk kriteria dan subkriteria dalam model
AHP.
4.3.1.1 Pemberian Bobot Kepentingan Kriteria
Pemberian bobot kepentingan yang pertama adalah terhadap kriteria. Terdapat
tiga kriteria sebagai berikut :
1. Fungsi ( K1 )
2. Estetika ( K2 )
3. Ekonomis ( K3 )
Pemberian bobot hanya dilakukan untuk kriteria fungsi dan estetika, karena
kriteria ekonomis tidak masuk dalam penilaian juri. Tabel 4.5 sampai tabel 4.7
menyajikan hasil penilaian tiga responden dalam tabel matriks perbandingan
berpasangan.
Tabel 4.5. Hasil Penilaian Kepentingan Kriteria Responden I
Respon I K1 K2K1 1,000 0,333K2 3,000 1,000
Tabel 4.6. Hasil Penilaian Kepentingan Kriteria Responden II
Respon II K1 K2K1 1,000 2,000K2 0,500 1,000
Tabel 4.7. Hasil Penilaian Kepentingan Kriteria Responden III
Respon III K1 K2K1 1,000 1,000K2 1,000 1,000
Hasil penilaian para responden terhadap bobot kepentingan kriteria kemudian
dilakukan pengolahan awal untuk mendapatkan nilai rata-rata dari beberapa
responden sebelum dimasukkan sebagai inputan dalam proses penghitungan AHP.
Pengolahan data tersebut menggunakan persamaan rata-rata geometrik sesuai dengan
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user IV-6
persamaan (2.4). Hasil penghitungan rata-rata geometrik ini ditampilkan pada tabel
4.8.
Tabel 4.8. Hasil Penghitungan Rata-rata Geometris Kepentingan Kriteria
AHP K1 K2K1 1,000 0,873K2 1,145 1,000
Jumlah 2,145 1,873
4.3.1.2 Pemberian Bobot Kepentingan Subkriteria
Pada tahap ini proses yang dilakukan mirip dengan tahap pemberian bobot
kepentingan kriteria. Terdapat beberapa subkriteria dari tiga kriteria yang dijelaskan
sebelumnya. Kekuatan (K11), kenyamanan (K12) dan kemudahan pengoperasian (K13)
merupakan subkriteria dari kriteria kekuatan. Desain (K21), makna simbolis (K22) dan
originalitas (K23) merupakan subkriteria dari kriteria estetika. Sedangkan harga (K31)
satu-satunya subkriteria dari kriteria ekonomis.
Berikut hasil penilaian tiga responden dalam tabel matriks perbandingan
berpasangan untuk subkriteria dari kriteria fungsi (K1).
Tabel 4.9. Hasil Penilaian Kepentingan Subkriteria Fungsi Responden I
Respon I K11 K12 K13
K11 1,000 2,000 2,000K12 0,500 1,000 1,000K13 0,500 1,000 1,000
Tabel 4.10. Hasil Penilaian Kepentingan Subkriteria Fungsi Responden II
Respon II K11 K12 K13
K11 1,000 2,000 2,000K12 0,500 1,000 1,000K13 0,500 1,000 1,000
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user IV-7
Tabel 4.11. Hasil Penilaian Kepentingan Subkriteria Fungsi Responden III
Respon III K11 K12 K13
K11 1,000 0,500 0,500K12 2,000 1,000 1,000K13 2,000 1,000 1,000
Hasil penilaian para responden tersebut kemudian dilakukan pengolahan awal
untuk mendapatkan nilai rata-rata dari beberapa responden menggunakan persamaan
rata-rata geometrik sesuai dengan persamaan (2.4). Hasil penghitungan rata-rata
geometrik ini ditampilkan pada tabel 4.12.
Tabel 4.12. Hasil Penghitungan Rata-rata Geometris Kepentingan Subkriteria Fungsi
AHP K11 K12 K13
K11 1,000 1,260 1,260K12 0,794 1,000 1,000K13 0,794 1,000 1,000
Jumlah 2,588 3,260 3,260
Kriteria estetika mempunyai tiga subkriteria yaitu desain (K21), makna simbolis
(K22) dan originalitas (K23). Berikut hasil penilaian tiga responden dalam tabel
matriks perbandingan berpasangan.
Tabel 4.13. Hasil Penilaian Kepentingan Subkriteria Estetika Responden I
Respon I K21 K22 K23
K21 1,000 1,000 2,000K22 1,000 1,000 2,000K23 0,500 0,500 1,000
Tabel 4.14. Hasil Penilaian Kepentingan Subkriteria Estetika Responden II
Respon II K21 K22 K23
K21 1,000 0,500 1,000K22 2,000 1,000 2,000K23 1,000 0,500 1,000
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user IV-8
Tabel 4.15. Hasil Penilaian Kepentingan Subkriteria Estetika Responden III
Respon III K21 K22 K23
K21 1,000 0,500 2,000K22 2,000 1,000 3,000K23 0,500 0,333 1,000
Hasil penilaian para responden tersebut kemudian juga dilakukan pengolahan
awal untuk mendapatkan nilai rata-rata dari beberapa responden menggunakan
persamaan rata-rata geometrik sesuai dengan persamaan (2.4). Hasil penghitungan
rata-rata geometrik ini ditampilkan pada tabel 4.16.
Tabel 4.16.Hasil Penghitungan Rata-rata Geometris Kepentingan Subkriteria Estetika
AHP K21 K22 K23
K21 1,000 0,630 1,587K22 1,587 1,000 2,289K23 0,630 0,437 1,000
Jumlah 3,217 2,067 4,876
4.3.2 Penghitungan Bobot Kepentingan Kriteria dan Subkriteria
Tahap ini menggunakan hasil penghitungan rata-rata geometrik sebelumnya
sebagai inputan dalam proses penghitungan AHP. Dari hasil nilai perbandingan
berpasangan dapat dihitung bobot kepentingan dari masing-masing kriteria dan
subkriteria pemilihan penyedia barang.
4.3.2.1 Penghitungan Bobot Kepentingan Kriteria dan Penghitungan Konsistensi
Penghitungan awal dilakukan dengan membagi masing-masing elemen pada
kolom tertentu dengan nilai jumlah kolom tersebut. Selanjutnya dilakukan
penjumlahan tiap baris. Kemudian merata-ratakan hasil penjumlahan baris tersebut
terhadap tiap elemen.
Langkah 1 :
Langkah pertama yaitu melakukan penjumlahan masing-masing nilai rata-rata
geometrik kriteria K1 sampai dengan K2 pada tabel 4.8. Maka kriteria K1 adalah
2,145 dan K2 adalah 1873.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user IV-9
Langkah 2 :
Langkah kedua adalah melakukan perbandingan masing-masing nilai rata-rata
geometrik kriteria dengan nilai penjumlahan kolom rata-rata geometrik. Maka
perbandingan data kriteria (K1,K1) yaitu :
1,0002,145 뾸 0,466
Langkah 3 :
Langkah ketiga yaitu menghitung nilai bobot ideal untuk masing-masing penilaian
responden dengan merata-ratakan hasil penjumlahan tiap baris. Maka bobot ideal
kriteria K1 adalah :
= (0,466+0,466)/2
= 0,466
Hasil penghitungan ini dapat dilihat pada tabel 4.17. Rangking kriteria
menunjukkan cerminan tingkat kepentingan atau prioritas tiap responden terhadap
kriteria. Hasil penghitungan bobot kepentingan kriteria ini akan dikalikan dengan
bobot kepentingan subkriteria untuk didapat bobot global tiap subkriteria.
Tabel 4.17. Hasil Penghitungan AHP Kriteria
AHP K1 K2 Jumlah Bobot Ideal (w) Rangking
K1 0,466 0,466 0,932 0,466 2
K2 0,534 0,534 1,068 0,534 1
Jumlah 1,000 1,000 2,000 1,000
Penghitungan konsistensi data diperlukan untuk melihat dan menilai konsistensi
dari penilaian yang telah dilakukan. Dalam AHP, penghitungan ini dinilai konsisten
jika CR (rasio konsistensi) kurang dari 0,1. Penghitungan penilaian konsistensi data
adalah sebagai berikut :
Langkah 1 :
Perkalian matriks nilai bobot ideal tiap kriteria wK1 = 0,466 sampai dengan wK2 =
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user IV-10
0,534 dengan hasil penghitungan rata-rata geometris responden K1.1 = 1,000 sampai
dengan K2.2 = 1,000.
0,466 x 1,000 0,873
0,534 1,145 1,000
Langkah 2 :
Penghitungan penjumlahan nilai PK1 = wK1.K11 + wK2.K12
PK1 = 0,466 . 1,000 + 0,534 . 0,873 = 0,932
Langkah 3 :
Penghitungan P/w yaitu pembagian nilai P dengan nilai pembobotannya (bobot
ideal).
PK1/ wK1 = 0,932/0,466 = 2,301
Langkah 1 sampai dengan langkah 3 dilakukan pada setiap kriteria dan didapat hasil
seperti pada tabel 4.18.
Tabel 4.18. Matriks penghitungan Nilai Konsistensi Kepentingan Kriteria
AHP K1 K2 P K1 0,466 0,466 0,932 K2 0,534 0,534 1,068 P/w 2,000 2,000 4,000
Langkah 4 :
Penghitungan nilai eigen maksimum (l maks ) yaitu rata-rata P/w
l maks = {( PK1/ wK1) + ( PK2/ wK2) }/2
l maks = 2,000
Langkah 5 :
Penghitungan indeks konsistensi (CI), karena matriks berordo 2, nilai indeks
konsistensi yang diperoleh :
1--
=n
nCI maksimuml
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user IV-11
1222
--
=CI = 0.000
Langkah 6 :
Penghitungan rasio konsistensi (CR) yakni perbandingan indeks konsistensi dengan
nilai pembangkit random (RI) yang ditabelkan dalam tabel 2.2. Nilai ini bergantung
pada ordo matriks n.
00
=CR = 0.000
Dari penghitungan didapatkan nilai CR adalah 0 maka dapat disimpulkan bahwa data
responden ini dapat dikatakan konsisten. Nilai pembobotan kepentingan masing-
masing kriteria dan rangking ditampilkan pada tabel 4.19.
Tabel 4.19. Nilai Bobot Kepentingan Kriteria dan Rangking
Kriteria Bobot RangkingFungsi 0,466 2Estetika 0,534 1
4.3.2.2 Penghitungan Bobot Kepentingan Subkriteria dan Penghitungan
Konsistensi
Proses penghitungan bobot kepentingan subkriteria mirip dengan proses
penghitungan bobot kepentingan kriteria yaitu dengan membagi masing-masing
elemen pada kolom tertentu dengan nilai jumlah kolom tersebut. Selanjutnya
dilakukan penjumlahan tiap baris. Kemudian merata-ratakan hasil penjumlahan baris
tersebut terhadap tiap elemen. Berikut adalah penghitungan bobot kepentingan
subkriteria berdasarkan tiap kriterianya :
1. Fungsi
Langkah 1 :
Langkah pertama yaitu melakukan penjumlahan masing-masing nilai rata-rata
geometrik subkriteria K11 sampai dengan K13 pada tabel 4.8. Maka subkriteria
RICI
CR =
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user IV-12
K11 adalah 2,588 dan K13 adalah 3,260.
Langkah 2 :
Langkah kedua adalah melakukan perbandingan masing-masing nilai rata-rata
geometrik subkriteria dengan nilai penjumlahan kolom rata-rata geometrik.
Maka perbandingan data kriteria (K11, K11) yaitu : 1,0002,588 뾸 0,386
Langkah 3 :
Langkah ketiga yaitu menghitung nilai bobot ideal untuk masing-masing
penilaian responden dengan merata-ratakan hasil penjumlahan tiap baris.
Maka bobot ideal subkriteria K11 adalah :
= (0,386+0,387+0,387)/3
= 0,386
Hasil penghitungan ini dapat dilihat pada tabel 4.20. Hasil
penghitungan bobot kepentingan kriteria ini akan dikalikan dengan bobot
kepentingan kriteria untuk didapat bobot global tiap subkriteria. Sebelum itu
dilakukan penghitungan konsistensi untuk melihat dan menilai konsistensi
dari penilaian yang telah dilakukan.
Tabel 4.20. Hasil Penghitungan AHP Subkriteria Fungsi
AHP K11 K12 K13 Jumlah Bobot Ideal (w) RangkingK11 0,386 0,387 0,387 1,159 0,386 1K12 0,307 0,307 0,307 0,920 0,307 2K13 0,307 0,307 0,307 0,920 0,307 2
Jumlah 1,000 1,000 1,000 3,000 1,000
Langkah 1 :
Perkalian matriks nilai bobot ideal tiap subkriteria wK11 = 0,386 sampai
dengan wK13 = 0,307 dengan hasil penghitungan rata-rata geometris responden
K11. K11 = 1,000 sampai dengan K13. K13 = 1,000.
0,386 1,000 1,260 1,2600,307 x 0,794 1,000 1,0000,307 0,794 1,000 1,000
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user IV-13
Langkah 2 :
Penghitungan penjumlahan nilai PK11 = wK11.K11. K11 + wK12.K11. K12 +
wK13.K11. K13
PK1.1 = 0,386 . 1,000 + 0,307 . 1,260 + 0,307 . 1,260 = 1,160
Langkah 3 :
Penghitungan P/w yaitu pembagian nilai P dengan nilai pembobotannya
(bobot ideal).
PK11/ wK11 = 1,160/0,386 = 3,000293
Langkah 1 sampai dengan langkah 3 dilakukan pada setiap subkriteria
dan didapat hasil seperti pada tabel 4.21.
Tabel 4.21. Matriks penghitungan Nilai Konsistensi Subkriteria Fungsi
AHP K11 K12 K13 PK11 0,386 0,387 0,387 1,160K12 0,307 0,307 0,307 0,920K13 0,307 0,307 0,307 0,920P/w 3,00029 3,0002933 3,00029 9,001
Langkah 4 :
Penghitungan nilai eigen maksimum (l maks ) yaitu rata-rata P/w
l maks = {( PK11/ wK11) + ( PK12/ wK12) + ( PK13/ wK13 )}/3
l maks = 3,00029
Langkah 5 :
Penghitungan indeks konsistensi (CI), karena matriks berordo 3, nilai indeks
konsistensi yang diperoleh :
1--
=n
nCI maksimuml
13300029,3
--
=CI = 0.000145
Langkah 6 :
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user IV-14
Penghitungan rasio konsistensi (CR) yakni perbandingan indeks konsistensi
dengan nilai pembangkit random (RI) yang ditabelkan dalam tabel 2.2. Nilai
ini bergantung pada ordo matriks n.
52,0000145,0
=CR = 0.000279
Dari penghitungan didapatkan nilai CR adalah 0,000279 maka dapat
disimpulkan bahwa data responden ini dapat dikatakan konsisten. Nilai
pembobotan kepentingan masing-masing subkriteria dan rangking
ditampilkan pada tabel 4.22.
Tabel 4.22. Nilai Bobot Kepentingan Subkriteria Fungsi
Subkriteria Bobot RangkingKekuatan 0,386 1Kenyamanan 0,307 2Kemudahan pengoperasian 0,307 2
2. Estetika
Langkah atau cara penghitungan sama dengan langkah penghitungan
subkriteria dari kriteria fungsi dengan penyesuaian nilai-nilai elemen
menggunakan tabel 4.16. Hasil penghitungannya dapat dilihat pada tabel 4.23.
Selanjutnya dilakukan penghitungan konsistensi untuk melihat dan menilai
konsistensi dari penilaian yang telah dilakukan.
Tabel 4.23. Hasil Penghitungan AHP Subkriteria Estetika
AHP K21 K22 K23
K21 1,000 0,630 1,587K22 1,587 1,000 2,289K23 0,630 0,437 1,000
Jumlah 3,217 2,067 4,876
Langkah 1 :
Perkalian matriks nilai bobot ideal tiap kriteria wK21 = 0,314 sampai dengan
wK23 = 0,204 dengan hasil penghitungan rata-rata geometris responden K21.
RICI
CR =
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user IV-15
K21 = 1,000 sampai dengan K23. K23 = 1,000.
0,314 1,000 0,630 1,5870,482 x 1,587 1,000 2,2890,204 0,630 0,437 1,000
Langkah 2 :
Penghitungan penjumlahan nilai PK21 = wK21.K21. K21 + wK22.K21. K22 +
wK23.K21. K23
PK11 = 0,314 . 1,000 + 0,482 . 1,260 + 0,204 . 1,587 = 0,941
Langkah 3 :
Penghitungan P/w yaitu pembagian nilai P dengan nilai pembobotannya
(bobot ideal).
PK21/ wK21 = 0,941/0,314 = 3,000944
Langkah 1 sampai dengan langkah 3 dilakukan pada setiap kriteria dan
didapat hasil seperti pada tabel 4.24.
Tabel 4.24. Matriks penghitungan Nilai Konsistensi Subkriteria Estetika
AHP K21 K22 K23 Jumlah Bobot Ideal (w) RangkingK21 0,311 0,305 0,325 0,941 0,314 2K22 0,493 0,484 0,469 1,447 0,482 1K23 0,196 0,211 0,205 0,612 0,204 3
Jumlah 1,000 1,000 1,000 3,000 1,000
Langkah 4 :
Penghitungan nilai eigen maksimum (l maks ) yaitu rata-rata P/w
l maks = {( PK21/ wK21) + ( PK22/ wK22) + ( PK23/ wK23 )}/3
l maks = 3,001
Langkah 5 :
Penghitungan indeks konsistensi (CI), karena matriks berordo 3, nilai indeks
konsistensi yang diperoleh :
1--
=n
nCI maksimuml
133001,3
--
=CI = 0.000497
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user IV-16
Langkah 6 :
Penghitungan rasio konsistensi (CR) yakni perbandingan indeks konsistensi
dengan nilai pembangkit random (RI) yang ditabelkan dalam tabel 2.2. Nilai
ini bergantung pada ordo matriks n.
52,0000497,0
=CR = 0.000955
Dari penghitungan didapatkan nilai CR adalah 0,000955 maka dapat
disimpulkan bahwa data responden ini dapat dikatakan konsisten. Nilai
pembobotan kepentingan masing-masing subkriteria dan rangking
ditampilkan pada tabel 4.23.
Tabel 4.25. Nilai Bobot Kepentingan Subkriteria Estetika
Subkriteria Bobot RangkingDesain 0,314 2Makna Simbolik 0,482 1Originalitas 0,204 3
Tahap selanjutnya adalah penghitungan untuk mencari bobot kepentingan
global dari keenam subkriteria dengan cara mengalikan bobot tiap kriteria dengan
bobot tiap subkriterianya. Hasil penghitungan bobot kepentingan global ditampilkan
pada tabel 4.26.
Tabel 4.26. Hasil Penghitungan Bobot Global Subkriteria
Kriteria Bobot Kriteria Subkriteria Bobot Subkriteria Bobot GlobalKekuatan 0,386 0,180Kenyamanan 0,307 0,143Kemudahan pengoperasian 0,307 0,143Desain 0,314 0,168Makna Simbolik 0,482 0,257Originalitas 0,204 0,109
Fungsi
Estetika
0,466
0,534
RICI
CR =
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user IV-17
4.3.3 Pengumpulan Data Penilaian Penyedia Barang
Pada tahap ini dilakukan pengumpulan data penilaian penyedia barang
berdasarkan subkriteria penilaian. Data ini nantinya akan digunakan dalam proses
pengolahan selanjutnya yaitu menggunakan metode Technique for Order Preference
by Similarity to Ideal Solution (TOPSIS). Data tabel penilaian tersebut merupakan
akumulasi penilaian dari tiga juri.
Selanjutnya dilakukan penghitungan akar dari penjumlahan kuadrat pada tiap
nilai data untuk memudahkan dalam penghitungan TOPSIS. Tabel 4.27 menyajikan
hasil penghitungan tersebut beserta nilai maksimal dan minimal dari setiap data.
Tabel 4.27. Penghitungan Data Penilaian Penyedia Barang
PENILAIAN K11 K12 K13 K21 K22 K23
Peserta 1 270 254 240 250 265 245Peserta 2 260 245 255 260 265 240Peserta 3 255 260 249 240 265 255Peserta 4 268 252 260 240 265 240
(∑(Xkj^2))^0,5 526,639 505,613 502,221 495,278 530,000 490,153Max 270 260 260 260 265 255Min 255 245 240 240 265 240
4.3.4 Penghitungan Normalisasi Data
Pada tahap ini dilakukan normalisasi data untuk data yang memiliki satuan
berbeda untuk menghilangkan fungsi satuan dari masing-masing data. Metode
TOPSIS memliki kelebihan dalam mengolah data kuantitatif dengan satuan yang
berbeda sehingga nantinya memudahkan dalam penghitungan pembobotan pada
masing-masing subkriteria. Penghitungan normalisasi data dilakukan dengan
persamaan (2.5).
辊úú 뾸 270526,639 뾸 0,513
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user IV-18
Penghitungan diatas adalah salah satu penghitungan normalisasi data untuk
subkriteria K11 dalam kasus dua penyedia barang. Hasil keseluruhan penghitungan
disajikan pada tabel 4.28.
Tabel 4.28. Normalisasi Data Penilaian Penyedia Barang
rkj K11 K12 K13 K21 K22 K23
Peserta 1 0,513 0,502 0,478 0,505 0,500 0,500Peserta 2 0,494 0,485 0,508 0,525 0,500 0,490Peserta 3 0,484 0,514 0,496 0,485 0,500 0,520Peserta 4 0,509 0,498 0,518 0,485 0,500 0,490
4.3.5 Pembobotan Data Ternormalisasi
Pada proses TOPSIS data ternormalisasi tiap subkriteria akan dilakukan
pembobotan dari hasil penghitungan bobot kepentingan menggunakan metode AHP.
Penghitungannya dengan menggunakan persamaan (2.6) yaitu dengan mengalikan
tiap data ternormalisasi dengan tiap bobot subkriteria. 惯úú 뾸 0,180果0,513 뾸 0,092
Penghitungan diatas adalah salah satu penghitungan pembobotan data
ternormalisasi untuk V11. Hasil keseluruhan penghitungan disajikan pada tabel 4.29
beserta nilai maksimal dan minimal dari tiap pembobotan data ternormalisasi. Nilai
maksimal dan minimal dari tiap pembobotan data ternormalisasi berfungsi sebagai
solusi ideal positif (batas atas) dan solusi ideal negatif (batas bawah) yang digunakan
untuk melakukan penghitungan selanjutnya yaitu menghitung nilai separasi solusi
ideal positif dan nilai separasi solusi ideal negatif.
Tabel 4.29. Pembobotan Data Ternormalisasi
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user IV-19
Vij K11 K12 K13 K21 K22 K23
Peserta 1 0,092 0,072 0,068 0,085 0,129 0,054Peserta 2 0,089 0,069 0,073 0,088 0,129 0,053Peserta 3 0,087 0,074 0,071 0,081 0,129 0,057Peserta 4 0,092 0,071 0,074 0,081 0,129 0,053
Max 0,092 0,074 0,074 0,088 0,129 0,057Min 0,087 0,069 0,068 0,081 0,129 0,053
4.3.6 Penghitungan Separasi Solusi Ideal Positif dan Separasi Solusi Ideal
Negatif
4.3.6.1 Penghitungan Separasi Solusi Ideal Positif
Penghitungan solusi ideal positif adalah dengan menghitung kuadrat selisih
data terhadap nilai maksimumnya lalu diakumulasikan sesuai jumlah subkriteria dan
diakar. Penghitungan ini menggunakan persamaan (2.9). Penghitungan dibawah
adalah salah satu penghitungan separasi solusi ideal positif untuk peserta 1. Hasil
keseluruhan penghitungan disajikan pada tabel 4.30. 雇诡∗ 뾸 税走纵0,092石0,092邹2十纵0,072石0,074邹2…… .十纵0,054石0,053邹2奏 = 0,007
Tabel 4.30. Separasi Solusi Ideal Positif
TOPSIS Dk*
Peserta 1 0,007Peserta 2 0,007Peserta 3 0,009Peserta 4 0,008
4.3.6.2 Penghitungan Separasi Solusi Ideal Negatif
Penghitungan separasi solusi ideal negatif adalah dengan menghitung kuadrat
selisih data terhadap nilai minimumnya lalu diakumulasikan sesuai jumlah subkriteria
dan diakar. Penghitungan ini menggunakan persamaan (2.10). Penghitungan dibawah
adalah salah satu penghitungan separasi solusi ideal negatif untuk peserta 1. Hasil
keseluruhan penghitungan disajikan pada tabel 4.31.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user IV-20
雇诡石뾸 税走纵0,092石0,087邹2 十纵0,072石0,069邹2…… .十纵0,072石0,072邹2奏 = 0,007
Tabel 4.31. Separasi Solusi Ideal Negatif
TOPSIS Dk-Peserta 1 0,007Peserta 2 0,008Peserta 3 0,006Peserta 4 0,007
4.3.6 Penghitungan Kedekatan Relatif terhadap Solusi Ideal
Tahap ini dilakukan setelah penghitungan separasi solusi ideal positif dan
separasi solusi ideal negative selesai. Penghitungan kedekatan relative terhadap solusi
ideal merupakan langkah terakhir untuk mendapatkan solusi optimal. Penghitungan
ini menggunakan persamaan (2.11), penghitungannya adalah membagi nilai separasi
solusi ideal negatif dengan penjumlahan nilai separasi solusi ideal positif dan nilai
separasi solusi ideal negatif.
固ú∗ 뾸 0,007纵0,007十0,007邹 固ú∗ 뾸 0,0070,014
= 0,484
Penghitungan diatas adalah salah satu penghitungan kedekatan relatif terhadap solusi
ideal untuk peserta 1. Hasil keseluruhan penghitungan disajikan pada tabel 4.32.
Tabel 4.32. Kedekatan Relatif terhadap Solusi Ideal
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user IV-21
TOPSIS (Dk*+Dk-) C* RangkingPeserta 1 0,014 0,484 3Peserta 2 0,015 0,556 1Peserta 3 0,015 0,397 4Peserta 4 0,015 0,486 2
4.4 Perancangan Desain Proses Bisnis
Perancangan proses bisnis ini menggambarkan semua rangkaian aktifitas yang
harus dilakukan untuk mendapatkan suatu output atau hasil. Perancangan proses
bisnis ini digambarkan dalam sebuah use case diagram. Use case diagram mampu
menggambarkan fungsionalitas yang digambarkan dalam sistem. Use case diagram
juga mampu menunjukkan sebuah interaksi user dengan sistem. Gambar 4.3
menampilkan use case diagram dari program sistem pendukung keputusan yang akan
dibuat.
Gambar 4.3 Rancangan Use case diagram
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user IV-22
4.5 Perancangan Entity Relationship Diagram (ERD)
Entity relationship diagram menggambarkan hubungan antara entitas-entitas
dalam basisdata yang akan dipakai dalam perancangan program sistem pendukung
keputusan. Terdapat delapan entitas yang terlibat dalam perancangan ERD, antara
lain:
1. Pengguna : menyimpan semua informasi entitas pengguna (user) proyek
pengadaan barang.
2. Kategori pengguna : menyimpan semua informasi entitas kategori pengguna
proyek pengadaan barang.
3. Pengadaan : menyimpan semua informasi entitas proyek pengadaan barang.
4. Ketegori pengadaan : menyimpan semua informasi entitas proyek pengadaan
barang.
5. Kriteria : menyimpan semua informasi entitas kriteria dan subkriteria proyek
pengadaan barang.
6. Matriks bobot : menyimpan semua informasi entitas matriks bobot proyek
pengadaan barang
7. Penilaian : menyimpan semua informasi entitas penilaian proyek pengadaan
barang
8. Peserta : menyimpan semua informasi entitas peserta proyek pengadaan
barang.
Hubungan antara entitas-entitas tersebut dapat dilihat pada gambar 4.4
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user IV-23
Gambar 4.4 Rancangan Entity relationship diagram
4.5.1 Perancangan Desain Interface
Perncangan desain interface atau tatap muka bertujuan untuk memudahkan
pengguna sistem pendukung keputusan. Perancangan interface atau tatap muka ini
dibagi menjadi 4 bagian utama :
1. Halaman Login (halaman awal)
2. Halaman Input
3. Halaman Penghitungan
4. Halaman Output
5.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user IV-24
4.5.1.1 Perancangan Halaman Login
Pada halaman login yang berfungsi juga sebagai halaman awal yang tampil
saat website ini dibuka menampilkan gambaran menu untuk login. Pada halaman
awal ini akan tampil informasi update dari kegiatan proyek pengadaan barang. Desain
interface halaman ini disajikan pada gambar 4.5.
Gambar 4.5 Rancangan Interface Halaman Utama
4.5.1.2 Perancangan Halaman Input
Perancangan interface halaman input terdiri dari halaman input untuk juri dan
halaman input untuk panitia proyek pengadaan barang. Halaman input untuk juri
terdiri dari halaman awal, halaman lihat jadwal input, halaman input bobot kriteria
dan subkriteria, halaman lihat konsistensi, dan halaman input nilai. Halaman input
untuk panitia terdiri dari halaman awal, halaman membuat proyek pengadaan,
halaman membuat daftar panitia, halaman membuat daftar juri, halaman membuat
daftar peserta, halaman menyusun jadwal input, dan halaman input kriteria dan
subkriteria.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user IV-25
Gambar 4.6 Rancangan Interface Halaman Awal Juri
Gambar 4.6 menampilkan halaman awal setelah user login sebagai juri. Pada
halaman ini pengguna atau user dapat melakukan link ke halaman jadwal input,
halaman input bobot kriteria dan subkriteria, halaman lihat konsistensi, halaman input
nilai, halaman hasil akhir dan menu keluar.
Gambar 4.7 Rancangan Interface Halaman Lihat Jadwal Input
Gambar 4.7 berfungsi untuk memudahkan juri untuk melihat berbagai jadwal
penginputan. pada halaman ini disajikan informasi kegiatan, waktu, tempat dan
keterangan untuk setiap tahap penginputan.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user IV-26
Gambar 4.8 Rancangan Interface Halaman Input Bobot
Halaman input bobot kriteria dan subkriteria yang disajikan pada gambar 4.8
berfungsi sebagai halaman dimana setiap juri memberi bobot pada setiap kriteria dan
subkriteria. Hasil pemberian bobot tersebut ditampilkan dalam sebuah tabel yang bisa
diedit jika terdapat kesalahan penginputan.
Gambar 4.9 Rancangan Interface Halaman Lihat Konsistensi
Halaman lihat konsistensi yang disajikan pada gambar 4.9 berfungsi agar juri
dapat melihat hasil konsistensi setelah mereka menginput bobot pada setiap kriteria.
Penghitungan konsistensi dilakukan oleh panitia pada halaman penghitungan.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user IV-27
Gambar 4.10 Rancangan Interface Halaman Input Nilai
Halaman input nilai yang disajikan pada gambar 4.10 berfungsi sebagai halaman
dimana setiap juri memberi nilai pada setiap kriteria dan subkriteria untuk setiap
peserta. Hasil pemberian edit tersebut ditampilkan dalam sebuah tabel yang bisa
diedit jika terdapat kesalahan penginputan.
Gambar 4.11 Rancangan Interface Halaman Awal Panitia
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user IV-28
Gambar 4.11 menampilkan halaman awal setelah user login sebagai panitia.
Pada halaman ini pengguna atau user dapat melakukan link ke halaman membuat
proyek pengadaan, halaman membuat daftar panitia, halaman membuat daftar juri,
halaman membuat daftar peserta, halaman menyusun jadwal input, dan halaman input
kriteria dan subkriteria, halaman menghitung bobot konsistensi, halaman menghitung
nilai dan menu keluar.
Gambar 4.12 Rancangan Interface Halaman Daftar Juri
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user IV-29
Gambar 4.13 Rancangan Interface Halaman Daftar Peserta
Gambar 4.14 Rancangan Interface Halaman Daftar Panitia
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user IV-30
Gambar 4.12, gambar 4.13 dan gambar 4.14 menampilkan halaman input yang
berfungsi sebagai halaman dimana panitia membuat daftar juri, daftar peserta dan
daftar panitia. Hasil inputan tersebut ditampilkan dalam sebuah tabel yang bisa diedit
jika terdapat kesalahan penginputan.
Gambar 4.15 Rancangan Interface Halaman Menyusun Jadwal Penilaian
Gambar 4.15 menampilkan halaman bagi panitia yang berfungsi untuk
menginput jadwal penilaian bagi juri. Hasil inputan tersebut ditampilkan dalam
sebuah tabel yang bisa diedit jika terdapat kesalahan penginputan.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user IV-31
Gambar 4.16 Rancangan Interface Halaman Input Kriteria
Halaman input kriteria dan subkriteria yang disajikan pada gambar 4.16
berfungsi sebagai halaman dimana panitia menginputkan susunan kriteria dan
subkriteria. Hasil inputan tersebut ditampilkan dalam sebuah tabel yang bisa diedit
jika terdapat kesalahan penginputan.
4.5.1.3 Perancangan Halaman Penghitungan
Perancangan interface halaman penghitungan terdiri dari halaman menghitung
bobot konsistensi dan halaman menghitung nilai. Penghitungan ini dilakukan oleh
panitia proyek pengadaan barang.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user IV-32
Gambar 4.17 Rancangan Interface Halaman Hitung Konsistensi
Gambar 4.17 menampilkan halaman bagi panitia yang berfungsi untuk
menghitung bobot konsistensi dari setiap inputan bobot tiap kriteria oleh juri. Hasil
penghitungan tersebut akan ditampilkan pada halaman lihat konsistensi yang bisa
diakses oleh juri sehingga juri dapat melihat apakah inputan mereka sudah konsisten
atau belum.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user IV-33
Gambar 4.18 Rancangan Interface Halaman Hitung Nilai
Gambar 4.18 menampilkan halaman menghitung nilai yang berfungsi untuk
menghitung nilai dari setiap peserta. Penghitungan ini dilakukan setelah juri selesai
menginput bobot tiap kriteria dan nilai untuk tiap peserta. Hasil penghitugan tersebut
akan ditampilkan pada halaman hasil akhir yang juga bisa diakses oleh juri sehingga
juri juga dapat melihat siapa yang terpilih menjadi penyedia barang terbaik.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user IV-34
4.5.1.4 Perancangan Halaman Output
Perancangan interface halaman penghitungan menampilkan hasil penghitugan yang
bisa diakses oleh juri sehingga juri juga dapat melihat siapa yang terpilih menjadi
penyedia barang terbaik. Rancangan interface halaman ini ditampilkan pada gambar
4.19.
Gambar 4.19 Rancangan Interface Hasil Akhir
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
V-1
BAB V
ANALISIS DAN INTERPRETASI HASIL
Pada bab ini dilakukan analisis hasil dari pegusulan model pendukung
keputusan menggunakan AHP dan TOPSIS, perancangan proram dan validasi
program .
5.1 Analisis TOPSIS dalam mengatasi variabilitas data yang tinggi
Penghitungan dengan metode scoring dan rata-rata memiliki kelemahan
untuk penghitungan data yang mempunyai variabilitas tinggi. Rata-rata
merupakan suatu ukuran kecenderungan terpusat dari suatu kelompok data dan
cukup mewakili jika data mempunyai suatu variabilitas yang rendah, tetapi jika
dilakukan pengamatan dengan variabilitas tinggi, rata-rata bukan ukuran yang
baik. Menggunakan rata-rata dapat menghilangkan informasi yang pantas
dipertimbangkan dan oleh karena itu tidak cocok digunakan untuk membuat
perbandingan.
Penghitungan menggunakan metode TOPSIS mampu mengatasi masalah
tersebut karena memang metode TOPSIS digunakan untuk penghitungan pada
konsep multi alternatif pada suatu nilai objektif yang mempunyai variasi tinggi.
Pada TOPSIS terdapat suatu tahap yang mengidentifikasi nilai-nilai objektif yang
memiliki fungsi dominan atau fungsi paling baik dari setiap multi kriteria,
sehingga nilai dominan dan nilai tidak dominan ini menjadi metode pemisah dari
solusi ideal positif dan solusi ideal negatif untuk mencari nilai terdekat dari solusi
ideal positif dan nilai terjauh dari solusi ideal negatif.
Hasil dari penghitungan metode scoring biasa yang dipakai dalam beberapa
metode kontes menunjukkan terdapat adanya persamaan nilai antara dua peserta
atau lebih. Berikut hasilnya :
Tabel 5.1. Hasil dan Rangking Penghitungan Scoring
Kekuatan (K11) Kenyamanan (K12) Kemudahan Pengoperasian (K13) Desain (K21) Makna Simbol (K22) Originalitas (K31) Jumlah RangkingPeserta 1 270 254 240 250 265 245 1524 2Peserta 2 260 245 255 260 265 240 1525 1Peserta 3 255 260 249 240 265 255 1524 2Peserta 4 268 252 260 240 265 240 1525 1
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
V-2
Hasil dari metode scoring yang sudah dikalikan oleh bobot dari setiap
kriteria, berikut hasilnya :
Tabel 5.2. Hasil dan Rangking Penghitungan Scoring Bobot
K11 K12 K13 K21 K22 K23 Jumlah Rangking48,6 36,322 34,32 42 68,105 26,705 256,052 246,8 35,035 36,465 43,68 68,105 26,16 256,245 145,9 37,18 35,607 40,32 68,105 27,795 254,907 4
48,24 36,036 37,18 40,32 68,105 26,16 256,041 3
Hasil dari metode TOPSIS, berikut hasilnya :
Tabel 5.3. Hasil dan Rangking Penghitungan TOPSIS
TOPSIS (Dk*+Dk-) C* RangkingPeserta 1 0,014 0,484 3Peserta 2 0,015 0,556 1Peserta 3 0,015 0,397 4Peserta 4 0,015 0,486 2
Pada hasil tersebut terlihat adanya perbedaan rangking antara metode
TOPSIS dan metode scoring biasa atau saat dikalikan dengan bobot. Jika dilihat
pada metode scoring biasa terdapat kesulitan menentukan pilihan dikarenakan
adanya persamaan nilai antara peserta satu dengan yang lain. Pada metode
TOPSIS dan scoring bobot memang terdapat persamaan untuk rangking peserta
pertama, namun untuk rangking kedua dan ketiga terdapat perbedaan. Pada
beberapa penelitian sebelumnya telah ditunjukkan bahwa hasil TOPSIS lebih baik
dari metode scoring bobot.
Pada penelitian ini hasil dari metode TOPSIS mempunyai nilai yang jauh
lebih dekat antara nilai peserta satu dengan yang lain jika dibandingkan dengan
hasil nilai scoring bobot. Penggunaan metode TOPSIS memang memadai untuk
digunakan dalam mengantisipasi variabilitas data yang tinggi.
5.2 Pembuatan Program Aplikasi
Pembuatan program aplikasi merupakan tahapan setlah perancangan
database dan user interface program. Pembuatan program aplikasi ini dibuat
untuk mempermudah penghitungan dari pengambilan keputusan menggunakan
metode AHP dan TOPSIS. Pembuatan program aplikasi ini dibuat dengan
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
V-3
menyusun kode-kode program sesuai rancangan database yang telah disusun
sebelumnya.
5.3 Validasi Program
Tahap selanjutnya setelah pembuatan program adalah tahap validasi
program. Validasi program bertujuan untuk menguji program apakah program
sudah memberikan hasil yang sesuai atau belum. Validasi dilakukan dengan
melakukan inputan pada program sesuai dengan data-data yang digunakan pada
pengolahan data sebelumnya. Program akan melakukan penghitungan dan hasil
yang didapatkan seharusnya sesuai dengan hasil dari pengolahan data dengan cara
manual sebelumnya.
5.3.1 Analisis Proses Penilaian
Peserta dalam pengadaan barang menggunakan metode kontes dinilai secara
scoring dengan range nilai tertentu. Proses penilaian tersebut pada umumnya
belum disusun dengan adanya sebuah rubric atau petunjuk penilaian yang
spesifik. Belum adanya rubrik atau petunjuk penilaian terhadap peserta membuat
adanya kemungkinan perbedaan selisih nilai yang besar antara juri satu dengan
juri yang lain.
Pembuatan rubrik atau petunjuk penilaian diharapkan dapat mempersempit
adanya kemungkinan perbedaan selisih nilai yang besar antar juri. Rubrik atau
petunjuk penilaian tersebut disusun pada setiap kriteria. Adanya rubrik atau
petunjuk penilaian tersebut bukan untuk membatasi kewenangan juri untuk
melakukan penilaian, tetapi diharapkan dapat membantu dan memudahkan juri
untuk melakukan penilaian terhadap peserta pengadaan barang. Suatu rubrik dapat
bernilai baku atau bernilai range tertentu, tergantung bagaimana rubrik itu ingin
difungsikan. Gambar 5.1 menampilkan form dalam pembuatan rubrik penilaian.
Tampilan interface pada gambar 5.2 menunjukkan adanya rubrik atau
petunjuk penilaian pada program yang dibuat. Rubrik tersebut akan muncul saat
juri akan melakukan penilaian terhadap peserta sesuai kriteria tertentu. Rubrik
atau petunjuk penilaian tersebut nantinya dibuat oleh panitia pengadaan barang.
Jika rubrik atau petunjuk penilaian tersebut belum dibuat oleh panitia pengadaan
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
V-4
barang, maka juri tidak bisa melakukan penilaian terhadadap peserta pengadaan
barang.
Gambar 5.1 Form Input Rubrik Penilaian
Gambar 5.2 Form Input Penilaian Peserta
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
V-5
5.3.2 Analisis Hasil Pengujian
Tampilan interface dari hasil pengolahan data pada program ditampilkan
pada gambar 5.3 sedangkan hasil pengolahan data secara manual yang telah
dilakukan sebelumnya disajikan pada tabel 5.3.
Gambar 5.3 Form Hasil Akhir
Hasil yang ditampilkan gambar 5.3 sama dengan hasil data pengolahan data
secara manual. Hal ini sesuai dengan tujuan validasi program, sehingga dapat
disimpulkan bahwa program mampu memberikan hasil yang akurat sesuai dengan
pengolahan data secara manual dan mampu memberikan hasil rangking untuk
membantu panitia dan juri pengadaan barang memilih peserta dengan nilai
terbaik.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
VI-1
BAB VI
KESIMPULAN DAN SARAN
Bab ini berisi beberapa kesimpulan dan saran dari penelitian yang dilakukan.
Kesimpulan merupakan hasil sedangkan saran berisi tentang hal-hal yang harus
dipertimbangkan untuk penelitian selanjutnya.
6.1 KESIMPULAN
Berdasarkan hasil analisis yang telah dilakukan, dapat diperoleh kesimpulan
sebagai berikut :
1. Model pengambilan keputusan menggunakan penggabungan metode
analytic hierarchy process (AHP) dan technique for order preference by
similarity to ideal solution (TOPSIS) untuk digunakan pada kegiatan
pengadaan barang dengan metode kontes mampu memberikan informasi
rangking dari kriteria pemilihan sehingga para juri dapat lebih fokus saat
memberikan penilaian pada setiap kriteria.
2. Model pengambilan keputusan menggunakan penggabungan metode
analytic hierarchy process (AHP) dan technique for order preference by
similarity to ideal solution (TOPSIS) untuk digunakan pada kegiatan
pengadaan barang dengan metode kontes mampu memberikan hasil yang
lebih efektif sehingga panitia pengadaan dapat memilih penyedia barang
yang terbaik.
3. Model pengambilan keputusan menggunakan penggabungan metode
analytic hierarchy process (AHP) dan technique for order preference by
similarity to ideal solution (TOPSIS) untuk digunakan pada kegiatan
pengadaan barang dengan metode kontes mampu mengatasi variabilitas
data yang tinggi dengan menghasilkan selisih nilai yang kecil antar
setiap penyedia barang.
4. Berdasarkan hasil validasi program, program aplikasi sudah mampu
memberikan hasil yang akurat sesuai dengan pengolahan data secara
manual dan mampu memberikan hasil rangking sehingga membantu
panitia dan juri pengadaan barang untuk memilih penyedia barang yang
terbaik.
perpustakaan.uns.ac.id digilib.uns.ac.id
commit to user
VI-2
6.2 SARAN
Berdasarkan kesimpulan maka dapat dikemukakan beberapa saran bagi
pengembangan penelitian selanjutnya, yaitu:
1. Pengambilan keputusan pada pengadaan barang dengan metode kontes
dapat menerapkan berbagai metode multi attribute decision making
untuk menggantikan penggunaan metode scoring.
2. Penelitian dengan metode lain selain yang digunakan pada penelitian ini
dapat memberikan perbandingan keakuratan dari pengambilan keputusan
pada kasus pengadaan barang dengan menggunakan metode kontes.
3. Penelitian selanjutnya diharapkan dapat memunculkan metode baru
sehingga penentuan konsistensi bobot dari kriteria dapat lebih efektif.