ANALISIS METODE AHP DALAM PENENTUAN PRESTASI GABUNGAN KELOMPOK TANI

Seminar Nasional Teknologi Informasi dan Komunikasi 2013 (SENTIKA 2013) Yogyakarta, 9Maret 2013

ISSN: 2089-9815

ANALISIS METODE AHP DALAM PENENTUAN PRESTASI GABUNGAN KELOMPOK TANI Patrisius Batarius1 Program Studi Teknik Informatika, Fakultas Teknik, Universitas Katolik Widya Mandira Kupang Jl. A. Yani 50-52 Kupang E-mail: [email protected]

1

ABSTRACT Gapoktan is one of the indications of the succesfull of Program Usaha Agribisnis Perdesaan (PUAP). The determination of Gapoktan prestation has been declared in Minister of Agriculture regulation attachments Number : 29/Permentan/OT.140/5/2011 Date : 30th Mei 2011. The criteria of determining the prestation of the regulation forms a hierarchy. Each hierarchy has its own assessment weight. The purpose of this research is to find the result of the Analytic Hierarchy Process (AHP) accuracy in determining the assessment of the Gapoktan prestation. Database is used save relative importance weight between each criteria. The determination of the relative importance between one criteria to another to form a pairwise matrix is adjusted by the rules. The calculation using AHP method and the ordinary method has the same result. The accuracy of AHP calculation is 98,857%. Keywords : DSS, AHP, multicriteria ABSTRAK Prestasi Gabungan Kelompok Tani (Gapoktan) merupakan salah satu indikasi berhasil tidaknya Program Usaha Agribisnis Perdesaan (PUAP). Penentuan prestasi Gapoktan sudah diatur dalam Lampiran Peraturan Menteri Pertanian Nomor : 29/Permentan/OT.140/5/2011 Tanggal : 30 Mei 2011. Kriteria penentuan prestasi dari peraturan tersebut membentuk suatu hirarki. Setiap hirarki memiliki bobot penilaian tersendiri.Penelitian ini bertujuan untuk mengetahui hasil keakuratan metode Analytic Hierarchy Process (AHP) dalam menentukan penilaian prestasi Gapoktan. Data base digunakan untuk menyimpan bobot kepentingan relatif antar kriteria yang selanjut digunakan dalam menentukan matriks berpasangan. Penentuan kepentingan relatif antara elemen yang satu dengan elemen yang lainnya untuk membentuk matriks berpasangan disesuaikan dengan peraturan yang ada. Perhitungan dengan metode AHP dengan perhitungan dengan metode biasa memiliki hasil yang sama. Keakuratan perhitungan AHP sebesar 98,857%. Kata Kunci: SPK, AHP, multicriteria kriteria yang banyak. Analityc Hierarchy Process (AHP) merupakan salah satu metode yang digunakan dalam Sistem Pendukung Keputusan (SPK). SPK dalam penentuan prestasi dengan multi-criteria sering memberikan kendala tersendiri. Dengan prinsi AHP masalah penentuan penilaian prestasi dengan multi-criteria bisa diatasi. Demikianpun halnya penentuan prestasi Gapoktan. Bersumber pada Lampiran Peraturan Menteri Pertanian Nomor : 29/Permentan/ OT.140 /5/2011 Tanggal : 30 Mei 2011, penelitian ini bertujuan untuk menentukan prestasi Gapoktan menggunakan metode AHP. Selain itu membuktikan seberapa akurat metode AHP dalam penentuan prestasi Gapoktan. Hasil penentuan dengan metode AHP ini akan dibandingkan dengan proses penentuan prestasi dengan cara perhitungan manual biasa.

1.

PENDAHULAUAN Gabungan Kelompok Tani (Gapoktan) merupakan pelaksana akhir dari Program Usaha Agribisnis Perdesaan (PUAP). Keberhasilan Gapoktan merupakan indikator keberhasilan PUAP. Keberhasilan Gapoktan diukur dengan beberapa aspek penilaian. Aspek penilaian ini menjadi tolok ukur prestasi Gapoktan dalam mengembangkan usaha produktifnya. Bentuk penghargaan dan sekaligus member motivasi bagi perkembangan usaha produktif Gapoktan dilakukan penilaian kinerja Gapoktan. Penentuan prestasi Gapoktan diatur dalam Lampiran Peraturan Menteri Pertanian Nomor : 29/Permentan/OT.140/5/2011 Tanggal : 30 Mei 11. Tim penilai yang terdiri dari Banyaknya kriteria penilaian dalam peraturan ini membentuk hirarki tersendiri. Hirarki yang paling tinggi terdiri dari aspek penilaian dan dipecahkan dalam sub-sub aspek penilaian. Selanjutnya sub-sub aspek penilaian dipecahakn lagi dalam indikatorindikator penilaian. Aspek penilaian, sub aspek serta indikator penilaian masing-masing memiliki kriteria-

2. TINJAUAN PUSTAKA 2.1 Beberapa Penelitian Tentang Pertanian Beberapa penelitian di bidang pertanian yang 120


perumusan dan integrasi dari tiga komponen seperti basis data dinamis-relasional, model administrator dan antar muka. Volk, et, al.(2010), menjelaskan empat kriteria yang dianggap penting dalam penggunaan Sistem Pendukung Keputusan yang sukses dalam area perkebunan antara lain: sistem yang mutu, dukungan pengguna dan pelatihan pengguna, manfaat yang dirasakan dan kepuasaan pengguna.

berkaitan dengan informasi pertanian dianataranya bahwa peran penyuluhan pertanian untuk menyebarkan informasi yang tepat kepada para petani di Indonesia sangat penting (Margono, et, al, 2011). Menurut Warr, (2011), perlunya investasi dalam penelitian bidang pertanian di Indonesia guna mencapai swasembada pangan. Sementara menurut Suryahadi, et, al (2011), bahwa perlu dilakukan prioritas kebijakan yang diambil berkaitan dengan pertanian dalam upaya pengurangan kemiskinan di pedesaan. Di era globalisasi dan liberalisai penting untuk melindungi dan mendukung pertumbuhan produktivitas di bidang pertanian Teweldemedhin, et.al (2010). Kebijakan pertanian adalah kunci dalam pertumbuhan ekonomi karena mempengaruhi pertumbuhan ekspor Anthony (2010). Hal yang sama juga didukung oleh Anim, et,al. (2011), bahwa petani yang bergerak di bidang agribisnis dan usaha berkelanjutan serta memiliki pengetahuan teknologi pertanian dan sistem agribisnis yang beragam lebih tinggi tingkat kesejahteraannya daripada petani yang tingkat pengetahuan dan akses informasinya rendah. Sedangkan menurut Xu, et.al, (2011), perencanaan dan kebijakan pertanian harus mengatasi dampak negatif kesulitan ekonomi terhadap praktek pertanian untuk secara efektif mendukung kesehatan ekonomi industri pertanian.

2.2

ISSN: 2089-9815

2.3

Analytical Hierarchy Process (AHP).

Salah satu metode yang digunakan dalam SPK adalah metode Analytical Hierarchy Process (AHP). Dengan menggunakan AHP, suatu persoalan yang kompleks yang tidak terstruktur, stratejik dan dinamik dapat dibuat menjadi bagianbagian yang lebih sederhana dalam bentuk suatu hirarki. Adapun struktur hirarki AHP ditampilkan pada Gambar 1

Metode AHP dikembangkan oleh Thomas L. Saaty, seorang ahli matematika. Metode ini adalah sebuah kerangka untuk mengambil keputusan dengan efektif atas persoalan yang kompleks dengan menyederhanakan dan mempercepat proses pengambilan keputusan dengan memecahkan persoalan tersebut kedalam bagian-bagiannya, menata bagian atau variabel ini dalam suatu susunan hirarki, member nilai numerik pada pertimbangan subjektif tentang pentingnya tiap variabel dan mensintesis berbagai pertimbangan ini untuk menetapkan variabel yang mana yang memiliki prioritas paling tinggi dan bertindak untuk mempengaruhi hasil pada situasi tersebut.

Sistem Pendukung Keputusan

Sistem Pendukung Keputusan (SPK) merupakan sistem berbasis komputer yang interaktif yang membantu pengambilan keputusan memanfaatkan data dan model untuk menyelesaikan masalahmasalah yang tak terstruktur. SPK mendayagunakan resources individu-individu secara intelek dengan kemampuan komputer untuk meningkatkan kualitas keputusan (Turban, et.al, 2005). Peran Sistem Pendukung Keputusan (SPK) banyak membantu dalam proses-proses perangkingan, penilaian, evaluasi kinerja atau menentukan pilihan berdasarkan skor atau pembobotan nilai tertentu. Konsep SPK banyak digunakan di berbagai bidang. Salah satunya di bidang pertanian. Singh, et, al. (2008), meneliti tentang Sistem Pendukung Keputusan dalam kaitannya dengan manajemen pertanian. Keputusan yang interaktif, fleksibel dan cepat adalah sesuatu yang penting bagi para petani. Beberapa output dan implikasi dari sistem pendukung keputusan yang dibuat adalah berkaitan dengan pengelolaan air tanah di daerah yang terkendala dengan air, dengan memperhatikan kondisi fisik dan sosial ekonomi daerah setempat. Selain itu, SPK digunakan untuk mengevaluasi faktor risiko dalam mengambil sebuah keputusan yang berguna bagi pembangunan di bidang sektor pertanian (Toledo, et.al, 2011). Flores, et.al, (2010), mengembangkan SPK yang dinamis di perkebunan jeruk, dalam kaitannya dengan sumber daya air di tingkat petani untuk proses sistem pengairan. SPK online ini didasarkan pada

. Gambar 1. Struktur hierarki AHP dan alternatif pada AHP (Saaty, 2008) Langkah-langkah AHP sebagai berikut: 1. Mendefinisikan masalah dan menentukan solusi yang diinginkan, selanjutnya menyususn hirarki dari permasalahan yang dihadapai. 2. Membuat struktur hirarki, dengan menetapkan tujuan umum yang merupakan sasaran sistem secara keseluruhan. 3. Menentukan prioritas elemen Pada langkah ini dilakukan perbandingan elemen sesuai kriteria yang ada. Perbandingan ini merepresentasikan kepentingan relatif dari satu elemen terhadap elemen lainnya. 4. Sintesis Pertimbangan-pertimbangan terhadap perbandingan berpasangan disintesis untuk memperoleh keseluruhan prioritas. Dalam 121


5.

6.

7.

8.

ISSN: 2089-9815

c. Penentuan matriks prioritas pada masingmasing kriteria penilaian. 2. Proses penentuan prestasi Gapoktan a. Setiap nilai bobot sub indikator dibagi dengan nilai tertinggi. Nilai sub indikator ini sebagai input untuk proses penilaian. b. Pilih salah satu sub indikator pada masingmasing sub indikator penilaian c. Setiap sub indikator di kali dengan matriks prioritas (eigenvector) indikator. Menghasilkan matriks indikator

langkah ini yang dilakukan adalah: a. Menjulahkan nilai-nilai dari setiap kolom pada matriks b. Membagi setiap nilai elemen dari kolom dengan jumlah total kolom yang bersangkuta untuk memperoleh matriks normalisasi c. Menjulahkan nilai-nilai setiap baris dan membaginya dengan jumlah elemen untuk mendapatkan nilai rat-rata Mengukur konsistensi, langkah-langkahnya a. Kalikan setiap nilai pada kolom pertama dengan prioritas relatif elemen pertama, nilai pada kolom kedua dengan prioritas relatif elemen kedua dan seterusnya b. Jumlahkan setiap baris c. Hasil dari penjumlahan setiap baris dibagi dengan elemen prioritas relatif bersangkutan dan hasilnya dijumlahkan d. Hasil penjumlahan dibagi dengan jumlah elemen yang ada sehingga di dapat nilai lambda max (λ ). Mencari nilai Consistensy Index (CI) / 1 λ ………………………(2.1) Dimana: CI = Consistency Index N = banyakanya elemen Menghitung Consistency Ratio (CR) dengan rumus ⁄ …………………..(2.2) Dimana: CR : Consistensy Ratio CI : Consistensy Index RI : Random Index Memeriksa konsistensi hirarki Data dikatakan konsiten apabila nilai CR < 0,1. Proses pengujian konsisten data ini dilakukan pada semua tingkat hirarki. Berdasarkan perhitungan Saaty dengan menggunakan 500 sampel, jika pertimbangan memilih secara acak dari skala 1/9, 1/8, … , 1, 2, … , 9 akan diperoleh rata-rata konsistensi untuk matriks yang berbeda seperti pada tabel 2.3 (Tu, et.al, 2010).

Keterangan: I : Matriks indikator sI : Matriks sub indikator eI : matriks eigenvector indikator d. Matriks indikator pada langkah c dikali dengan matriks prioritas pada sub aspek penilalan. Menghasilkan matriks sub aspek penilain

Keterangan: sA : Matriks sub Aspek I : Matriks indikator eSA : matriks eigenvector indikator e. Matriks sub aspek penilaian pada langkah d dikali dengan matriks prioritas aspek penilaian. Hasilnya sebagai nilai prestasi Gapoktan.

Keterangan: A : Matriks aspek sebagai hasil akhir nilai prestasi Gapoktan sA : Matriks sub ASPEK eA : Matriks eigenvector aspek 4. PERANCANGAN SISTEM 4.1 Entity Relationship Diagram

Tabel 1. Daftar Random Index (RI) N

3

4

5

6

7

8

9

10

RI

0,58 0,90 1,12 1,24 1,32 1,41 1,45 1,49

3.

METODE PENELITIAN Skema sistem yang akan digunakan terdiri dari dua bagain utama yaitu: 1. Proses pada metode AHP a. Penentuan bobot penilaian setiap kriteria penilaian Lampiran Peraturan Menteri Pertanian Nomor : 29/ Permentan/ OT.140/ 5/2011 Tanggal : 30 Mei 2011. b. Pembentukan matriks berpasangan pada masing-masing level penilaian

Gambar 2. Erd 122


CD : Aspek Usaha Gapoktan C : Kegiatan Pelayanan Permodalan Gapoktan C1: Program kerja unit usaha otonom C2:Pemupukan Modal C3: Tabungan/ Simpanan anggota C4: Pola penyaluran pinjaman/ pembiayaan usaha C5:Pelaporan (buku besar, neraca, neraca harian, dll) D: Pengembangan Usaha Agribisnis D1 : Sebagai satau kesatuan unit usaha dan produksi D2 : Sebagai penyedia sarana produksi D3 : Sebagai modal usaha D4 : Fasilitasi kegiatan-kegiatan usaha bersama D5 : Fasilitasi usaha tani secara D6 : Proses pengolahan produk pertanian D7 : Fasilitasi penyelenggaraan perdagangan D8 : Sebagai sumber dan pelayanTI pertanian D9 : Membangun kerjasama dengan pihak lain D10 : Melakukan pembinaan usaha anggota

4.2

Kriteria Penilaian Prestasi Gapoktan Kriteria penilaian prestasi Gapoktan ditunjukan pada tabel 1. Tabel 2. Kriteria penilaian KP AB

As SAs

I

T

SI S

R

8 8 8 8 10 8

8 8 8 8 10 8

4 4 4 4 5 4

2 2 2 2 3 2

40 40 40 40 40

40 40 40 40 40

20

20

13

70 70 50 50 60

70 70 50 50 60

35 35 25 25 30

23 23 17 17 20

50 50 50 50 40 50 30 40 40 50

50 50 50 50 40 50 30 40 40 50

25 25 25 25 20 25 15 20

17 17 17 17 13 17 10 13

250 A

50 A1 A2 A3 A4 A5 A6

B

200 B1 B2 B3 B4 B5

CD

13 20 20 20

4.3

Hirarki Penilaian Prestasi Gapoktan Bentuk hirarki prestasi Gapoktan seperti ditunjukan pada gambar 1.

750 C

300 C1 C2 C3 C4 C5

D

ISSN: 2089-9815

450 D1 D2 D3 D4 D5 D6 D7 D8 D9 D10

20 25

17

Keterangan: KP : Kriteria penilaian A : Aspek Penilaian SA : Sub Aspek Penilaian I : Indikator Penilaian SI : Sub Indikator Penilaian T : Tinggi S : Sedang R : Rendah AB : Aspek administrasi dan pengelolaan Gapoktan A : Identitas Gapoktan A1: Identitas calon Gapoktan A2 :Identitas pengurus A3 : KK dan KTP A4 : Foto copi KK dan KTP A5 : Foto copy buku tabungan Gapoktan A6 : Foto Kantor sekretariat Gapoktan B : Pengelolaan Gapoktan B1: Pertemuan/rapat anggota/rapat pengurus B2 : Rencana kerja Gapoktan B3: Pencatatan setiap anggota organisasi B4 : Foto copy struktur organisasi B5: AD/ART

Gambar 3. Hirarki Penilaian Prestasi Gapoktan 4.4

Prosesdur Penentuan Matriks Berpasangan Variabel penting yang digunakan dalam perhitungan prestasi Gapoktan menggunakan metode AHP adalah bobot dari matriks prioritas atau eigenvector. Penentuan besarnya bobot prioritas dimulai dengan proses penentuan matriks berpasangan. Kepentingan relatif antar elemen ditentukan berdasarkan tabel penentuan penilaian prestasi Gapoktan seperti yang ditampilkan pada table 1, untuk dijadikan matriks berpasangan. Proses selanjutnya menentukan bobot nilai matriks prioritas indikator penilaian, sub aspek penilaian dan 123


bobot nilai matriks prioritas aspek penilaian. Sebagai contoh, diketahui bobot penilaian sebagai berikut: Tabel 3. pembentukan matriks berpasangan Kriteria C1 C2 C3 C4 C5 Nilai N1 N2 N3 N4 N5

C. Indikator Penilaian Ada empat indikator yaitu indikator A,B,C,D sebagai pecahan dari masing-masing sub aspek A,B,C,D. Matriks perbandingan ke empat indikator tersebut adalah:

Cn Nn

1. Indikator A

Proses penentuan matriks berpasangannya sebagai berikut: 1 2 3 4 5 1 1 2 2 3 3 4 4 5 5

⁄

1 2 8/8 8/8 8/8 8/8 8/8 8/8 8/8 8/8 10/8 10/8 8/8 8/8

1 2 3 4 5 6

3 8/8 8/8 8/8 8/8 10/8 8/8

4 8/8 8/8 8/8 8/8 10/8 8/8

5 8/10 8/10 8/10 8/10 10/10 8/10

6 8/8 8/8 8/8 8/8 10/8 8/8

Sehingga bentuk matriks perbandingannya 1 2 3 4 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,25 1,25 1,25 1,25 1,00 1,00 1,00 1,00

1 2 3 4 5 6

Selanjutnya untuk menghasilkan matriks berpasangan secara keseluruhan, prosesnya sebagai berikut: ⁄ ⁄ ⁄ … ⁄ ⁄ ⁄ ⁄

ISSN: 2089-9815

2. Indikator B

5 0,80 0,80 0,80 0,80 1,25 0,80

6 1,00 1,00 1,00 1,00 1,25 1,00

1 2 3 4 5 1 40/40 40/40 40/40 40/40 2 40/40 40/40 40/40 40/40 3 40/40 40/40 40/40 40/40 4 40/40 40/40 40/40 40/40 5 40/40 40/40 40/40 40/40 Sehingga bentuk matriks perbandingannya 1 2 3 4 5 1 1,00 1,00 1,00 1,00 1,00 2 1,00 1,00 1,00 1,00 1,00 3 1,00 1,00 1,00 1,00 1,00 4 1,00 1,00 1,00 1,00 1,00 6 1,00 1,00 1,00 1,00 1,00

⁄

4.5

Penentuan Matriks Berpasangan Dan Matriks Prioritas (eigenvector) 4.5.1 Penentuan Matriks berpasangan Dari data pada tabel 1, matriks berpasangan untuk setiap level sebagai berikut: A. Aspek Penilaian Matriks perbandingan sebagai berikut:

40/40 40/40 40/40 40/40 40/40

3. Indikator C 1 2 3 4 5

250/250 250/750 750/250 750/750 Sehingga bentuk matriks perbandingannya

1 2 3 4 5 70/70 70/70 70/50 70/5 70/60 70/70 70/70 70/50 70/50 70/60 50/70 50/70 50/50 50/50 50/60 50/70 50/70 50/50 50/50 50/60 60/70 60/70 60/50 60/50 60/60

Sehingga bentuk matriks perbandingannya

1,00 0,33 3,00 1,00 B. Sub aspek penilaian Ada dua sub aspek yaitu suba aspek A dan B sebagai pecahan dari aspek AB dan sub aspek C dan D sebagai pecahan dari aspek CD. Matriks perbandingan ke dua sub aspek tersebut adalah: 1. Untuk sub aspek A dan B

4. Indikator D 1 2 3 4 5 6 7 8 9 10

50/50 50/200 200/50 200/200 Sehingga bentuk matriks perbandingannya 1,00 0,25 4,00 1,00 2. Untuk sub aspek C dan D

1 1,0 1,0 1,0 1,0 0,8 1,0 0,6 0,8 0,8 1,0

2 1,0 1,0 1,0 1,0 0,8 1,0 0,6 0,8 0,8 1,0

1 2 3 4 5 3 1,0 1,0 1,0 1,0 0,8 1,0 0,6 0,8 0,8 1,0

1 2 3 1,00 1,00 1,40 1,00 1,00 1,40 0,71 0,71 1,00 0,71 0,71 1,20 0,86 0,86 1,20 4 1,0 1,0 1,0 1,0 0,8 1,0 0,6 0,8 0,8 1,0

5 1,25 1,25 1,25 1,25 1,00 1,25 0,75 1,00 1,00 1,25

6 1,0 1,0 1,0 1,0 0,8 1,0 0,6 0,8 0,8 1,0

4 1,40 1,40 1,00 1,00 1,20

7 1,67 1,67 1,67 1,67 1,33 1,67 1,00 1,33 1,33 1,67

8 1,25 1,25 1,25 1,25 1,00 1,25 0,75 1,00 1,00 1,25

5 1,17 1,17 0,83 0,83 1,00 9 1,25 1,25 1,25 1,25 1,00 1,25 0,75 1,00 1,00 1,25

10 1,0 1,0 1,0 1,0 0,8 1,0 0,6 0,8 0,8 1,0

5. HASIL DAN PEMBAHASAN 5.1 Penentuan Matriks Prioritas (eigenvector) Setelah dilakukan penentuan matriks berpasangan langkah selanjutnya yaitu penentuan matriks prioritas (eigenvector) Langkah-langkah penentuan matriks prioritas sebagai berikut: 1. Menjumlahkan setiap elemen per kolom. 2. Tiap elemen sel dari kolom dibagi dengan

300/300 300/450 450/300 450/450 Sehingga bentuk matriks perbandingannya 1,00 0,67 1,50 1,00 124


jumlah per kolom (berdasarkan hasil nomor 1) 3. Menghitung matriks prioritas a. Menghitung jumlah eigenvalue b. Menghitung bobot prioritas c. Menghitung bobot sintesa 4. Menghitung nilai lambda maksimum (maks) a. Bobot sintesa dibagi bobot prioritas b. Hasil dari 5a dijumlahkan c. Hasil penjumlahan ini dibagi dengan jumlah kriteria. 5. Menguji konsistensi, dengan rumus CR = CI / IR Dengan nilai CI=(maks–n)/(n–1) n = jumlah kriteria Dari hasil perhitungan, nilai masing-masing matriks prioritas (eigenvector) dapat dilihat pada tabel 4.

1 2 3 4 5

SAs

I

Nilai eigenvector dan Consistency Ratio (CR) [AB CD] = [0,25 0,75] [A B] = [ 0,2 0,8] [C D] = [0,4 0,6] [A1 A2 A3 A4 A5 A6] = [0,16 0,16 0,16 0,16 0,20 0,16] CR = 0,00 [B1 B2 B3 B4 B5] = [0,2 0,2 0,2 0,2 0,2] CR = 0,0 [C1 C2 C3 C4 C5 C6] = [0,23 0,23 0,17 0,17 0,20] CR = 0,0 [D1 D2 D3 D4 D5 D6 D7 D8 D9 D10] = [0,11 0,11 0,11 0,11 0,09 0,11 0,07 0,09 0,09 0,11] CR = 0,0

Berikut contoh perhitunga penentuan eigenvector. Pada contoh ini diambil matriks indicator C. 1. Membuat matriks perbandingan berpasangan Besarnya bobot indikator pada sub aspek C seperti yang terdapat pada tabel 5. Data dari tabel 4 diperoleh dari pengembangan dari tabel 2. Tabel 5 Nilai bobot indikator pada sub aspek C Kriteria C1 C2 C3 C4 C5 Nilai

70

Data pada tabel 4 sebagai berikut: 1 2 1 70 70 2 3 4 5 Penentuan elemen sebagai berikut:

70

50

50

60

dibuat matriks perbandingan 3 50

4

1 2 3 4 5 70/70 70/70 70/50 70/5 70/60 70/70 70/70 70/50 70/50 70/60 50/70 50/70 50/50 50/50 50/60 50/70 50/70 50/50 50/50 50/60 60/70 60/70 60/50 60/50 60/60

Sehingga dalam bentuk matriks secara keseluruhan diperoleh sebagai beriku: 1 2 3 4 5 1 1,00 1,00 1,40 1,40 1,17 2 1,00 1,00 1,40 1,40 1,17 3 0,71 0,71 1,00 1,00 0,83 4 0,71 0,71 1,20 1,00 0,83 5 0,86 0,86 1,20 1,20 1,00 2. Memberikan penilaian terhadap elemen yang dibandingkan. Dari langkah 1 diatas diperoleh matriks perbandingannya adalah: 1 2 3 4 5 1 1,00 1,00 1,40 1,40 1,17 2 1,00 1,00 1,40 1,40 1,17 3 0,71 0,71 1,00 1,00 0,83 4 0,71 0,71 1,20 1,00 0,83 5 0,86 0,86 1,20 1,20 1,00 3. Menghitung matriks normalisasi. a. Menjumlahkan setiap elemen per kolom. Hasilnya sebagai berikut: 1 2 3 4 5 1,00 1,00 1,40 1,40 1,17 1 1,00 1,00 1,40 1,40 1,17 2 3 0,71 0,71 1,00 1,00 0,83 4 0,71 0,71 1,20 1,00 0,83 5 0,86 0,86 1,20 1,20 1,00 4,29 4,29 6,00 6,00 5,00 b. Tiap elemen sel dari kolom dibagi berdasarkan hasil 3a diatas. Diperoleh matriks sebgai berikut: 1 2 3 4 5 1 0,23 0,23 0,23 0,23 0,23 2 0,23 1,23 0,23 0,23 0,23 3 0,17 0,17 0,17 0,17 0,17 4 0,17 0,17 0,17 0,17 0,17 5 0,20 0,20 0,20 0,20 0,20 4. Menghitung matriks prioritas (eigenvector). Penentuan eigenvector, langkah-langkahnya sebagai berikut: a. Menghitung eigenvalue. Prosesnya yaitu, kalikan setiap elemen untuk setiap baris dari matriks pada langkah 3b diatas. Hasilnya dikalikan dengan (1/n) dengan n adalah jumlah elemen. Dari matriks 3b diatas jumlah elemennya adalah 5. Hasilnya diperoleh data sebagai berikut: C1 = (0,23*0,23*0,23*0,23*0,23)^(1/5) =0,23 C2 = (0,23*0,23*0,23*0,23*0,23)^(1/5) =0,23 C3 = (0,17*0,17*0,17*0,17*0,17)^(1/5) =0,17 C4 = (0,17*0,17*0,17*0,17*0,17)^(1/5) =0,17 C5 = (0,20*0,20*0,20*0,20*0,20)^(1/5) =0,20 Selanjutnya hasil perhitungan diatas dijumlahkan untuk memperoleh total jumlah eigenvaluenya. Jumlah eigenvalue = C1+ C2+C3+C4+C5 = 0,23+0,23+0,17+0,17+0,20 = 1,00

Tabel 4. Nilai eigenvector setiap kriteria Kriteria Penilaian As

ISSN: 2089-9815

5

50

60 matriks secara keseluruhan

125


ISSN: 2089-9815

Tabel 6. Data masukan penilaian prestasi

b. Menghitung bobot prioritas Pada langkah ini dihitung dengan cara nilai eigenvalue setiap elemen pada langkah 4a dibagi dengan jumlah eigenvalue pada langkah 4a. Hasilnya diperoleh: C1 = 0,23 / 1 = 0,23 C2 = 0,23 / 1 = 0,23 C3 = 0,17 / 1 = 0,17 C4 = 0,17 / 1 = 0,17 C5 = 0,20 / 1 = 0,20 Diperoleh nilai matriks prioritas (eigenvector) adalah = [C1 C2 C3 C4 C5] = [0,23 0,23 0,17 0,17 0,20]

KP AB

A 250

A

SA

B

8 8 8 8 10 8

8 4 8 8 5 4

40 40 40 40 40

13 20 40 40 20

70 70 50 50 60

70 35 50 50 30

50 50 50 50 40 50 30 40 40 50

17 25 50 25 40 50 10 20 20 17

200 B1 B2 B3 B4 B5

CD

750 C

300 C1 C2 C3 C4 C5

D

450 D1 D2 D3 D4 D5 D6 D7 D8 D9 D10

5. Menghitung nilai lambda maksimum (maks) Langkah ini bertujuan untuk mengecek apakah matriks pasangan yang dibuat konsisten atau tidak. a. Bobot sintesa dibagi bobot prioritas C1 = 1,15 / 0,23 = 5 C2 = 1,15 / 0,23 = 5 C3 = 0,85 / 0,17 = 5 C4 = 0,85 / 0,17 = 5 C5 = 1,00 / 0,20 = 5 b. Hasil dari 5a dijumlahkan x = C1 + C2 + C3 + C4 + C5 = 5 + 5 + 5 + 5 + 5 = 25 c. Hasil penjumlahan ini dibagi dengan jumlah kriteria. Sehingga maks= (x) / jumlah kriteria = 25 / 5 =5

sI

50 A1 A2 A3 A4 A5 A6

c. Menghitung bobot sintesa Dengan cara menjumlahkan elemen per baris dari data 3b diatas, sehingga diperoleh: C1 = 0,23+0,23+0,23+0,23+0,23=1,15 C2 = 0,23+0,23+0,23+0,23+0,23=1,15 C3 = 0,17+0,17+0,17+0,17+0,17=0,85 C4 = 0,17+0,17+0,17+0,17+0,17=0,85 C5 = 0,20+0,20+0,20+0,02+0,20=1,00

I

Langkah selanjutnya yaitu 1. Membagi masing-masing data input dari tabel 5 dengan nilai indikator. Nilai indikator sama dengan nilai tertinggi pada sub indikator. Dengan demikian data masukan dari tabel 5 diubah menjadi data masukan seperti pada tabel 6. Tabel 7. Data masukan setelah dibagi KP AB

A 250

A

SA 50

A1 A2 A3 A4 A5 A6

6. Menguji konsistensi CI =(maks–jumlah kriteria)/(jumlah kriteria–1) = (5– 5) / (5-1) = 0,00 CR = CI / IR = 0,0 / 1,12 = 0.00 Karena Nilai Ratio Konsistensi < 0,1 maka matrik diatas konsisten. Dengan demikian matriks prioritas (eigenvector) bisa digunakan untuk proses perhitungan. Nilai matriks prioritas (eigenvector) adalah = [C1 C2 C3 C4 C5] = [0,23 0,23 0,17 0,17 0,20]

B

CD

1 0,5 1 1 0,5 0,5

40 40 40 40 40

0,325 1 1 0,5 0,5

70 70 50 50 60

1 0,5 1 1 0,5

50 50 50 50

0,34 0,5 1 0,5

750 C

300 C1 C2 C3 C4 C5

5.2

D

450 D1 D2 D3 D4

126

8 8 8 8 10 8 200

B1 B2 B3 B4 B5

Penentuan Prestasi Gapoktan Data masukan dalam perhitungan ini yaitu sub indikator. Sebagai contoh input diberikan data sebagai berikut:

sI


D5 D6 D7 D8 D9 D10

40 50 30 40 40 50

perbandingan perhitungan perhitungan manual dengan perhitungan AHP. Dengan perhitungan manual, yaitu dilakukan penjumlahan secara langsung masukan yang ada pada tabel 5 pada kolom sub indikator. Hasil perhitungan menunjukan bahwa jumlah total adalah 679. Perhitungan dengan menggunakan metode AHP, nilainya sebesar 0,6785. Range penilaian prestasi Gapoktan anatara 0 sampai 1000. Dengan demikian perhitungan AHP dikali dengan 1000 menjadi 67,85. Keakuratan metode AHP dalam menentukan penilaian prestasi Gapoktan sebesar 99,85%. Gambar contoh hasil implementasi program menggunakan metode AHP ditampilkan pada gambar 4 dan 5.

1 1 0,33 0,5 0,5 0,34

2. Kalikan setiap input sub indicator pada tabel 6 dengan eigenvector pada indicator Untuk indiKator A 0,16 0,16 0,16 0,16 0,20 0,16

1 0,5 1 1 0,5 0,5

Untuk indikator B

0,2 0,2 0,2 0,2 0,2

0,325 0,5 1 1 0,5 Untuk indikator C 1 0,5 1 1 0,5

0,23 0,23 0,17 0,17 0,20

ISSN: 2089-9815

0,7400

0,6650

0,7850

Untuk indikator D

0,34

0,5

1

0,5

1

1

0,33

0,5 0,5

0,6079

Gambar 4. Contoh hasil implementasi

0,11 0,11 0,11 0,11 0,09 0,34 * 0,11 0,07 0,09 0,09 0,11

3. Hasil pada nomor 2 digunakan sebagai input untut level berikutnya, yaitu pada level sub aspek. Prosesnya yaitu dikalikan dengan eigenvector sub aspek. Untuk sub aspek A dan B 0,2 0,7400 0,6650 0,6800 0,8 Untuk sub aspek C dan D 0,2 0,7850 0,6079 0,6787 0,8 4. Hasil pada nomor 3 digunakan sebagai input untuk level berikutnya, yaitu pada level tertinggi, aspek. Kalikan hasil pada nomor 3 dengan eigenvector aspek. 0,6800 0,6787

0,25 0,75

Gambar 5. Contoh hasil implementasi 7.

KESIMPULAN Bobot penilaian prestasi Gapoktan sesuai dengan Lampiran Peraturan Menteri Pertanian Nomor : 29/Permentan/OT.140/5/2011 Tanggal : 30 Mei 2011, dengan metode AHP, bobot-bobot tersebut memiliki konsistensi yang sempurna dengan nilai konsistensi adalah 0. Sehingga dalam proses perhitungan penentuan prestasi Gapoktan memiliki error sebesar 0,15%. Dalam hal ini metode AHP memiliki keakuratan sebesar 99,85% dalam menentukan nilai prestasi Gapoktan berdasarkan lampiran Kementan sebagai basis pengetahuannya.

0,6785

Hasil akhir pada langkah 4 sebagai nilai prestasi Gapoktan.

8. PUSTAKA Margono, T., Sugimoto, S., 2011, The Barriers of the Indonesian Extension Workers in Disseminate Agricultural Information to Farmers, International Journal of Basic & Applied Sciences IJBAS-IJENS Vol: 11 No: 02

6.

PERBANDINGAN HASIL AHP DENGAN PERHITUNGAN MANUAL Untuk mengetahui keakurantan metode AHP dAlam menentukan pretasi Gapoktan, dilakukan 127


ISSN: 2089-9815

Requirement-Based Site Selection for an Airport Cargo Logistics Center, International Journal of Information and Management Sciences 21, pp. 407-430

, pp.98-105. Suryahadi, A., Hadiwidjaja, G., 2011, The Role of Agriculture in Poverty Reduction in Indonesia, SMERU Research Institute Jakarta – Indonesia, pp.1-25. Warr, P., 2011, The effect of research on agricultural productivity in Indonesia, Australian Centre for International Agricultural Research (ACIAR) 2011, Anthony, E., 2010, Agricultural Credit and Economic Growth in Nigeria: An Empirical Analysis, Business and Economics Journal, Volume 2010: BEJ-14, pp.1-7. Teweldemedhin, M. Y., Schalkwyk, H. D. V, 2010, Regional trade agreements and its impact on trade flows for South African agricultural products, Journal of Development and Agricultural Economics Vol. 2(5), pp. 157-165 Xu, Pei, 2011, How do managers improve farm performance during the economic slowdown: Survey results from New York agribusinesses, Journal of Development and Agricultural Economics Vol. 3(13), pp. 610-620 Anim, F.D.K., Mandleni B.,2011, Factors and risks associated with integrated, conventional and sustainable agribusiness farming, African Journal of Business Management Vol. 5(4), pp. 1124-1128, 18 February, 2011 Flores, C. I., Holzapfel, E.A., and Lagos, O., 2010, A Dynamic Decision Support System For Farm Water Management In Surface Irrigation: Model Development And Application, Chilean Journal Of Agricultural Research 70(2):278286 Singh, M., Singh, P., Singh, S. B., 2008, Decision Support System for Farm Management, World Academy of Science, Engineering and Technology 39. pp.446-349 Singh, R,. Sharma, S.K., “Title-Supplier Selection: Fuzzy-AHP Approach”, International Journal of Engineering Science and Technology (IJEST), Vol. 3 No.10 pp.7426-7231. Turban, E., Aronson, J. E., & Liang, T. (2005) Decision Support Systems and Intelligent Systems (7th edition), Prentice Hall Publication, pp. 223 and pp. 109, 707. Volk, M., Lautenbach, S., Delden, H., van., N,L.T. H., 2010, Ralf SeppeltHow Can We Make Progress with Decision Support Systems in Landscape and River Basin Management? Lessons Learned from a Comparative Analysis of Four Different Decision Support Systems, Environmental Management 46, pp.834–849. Saaty, T., L., 1990, How to make a decision: The Analytic Hierarchy Process, European Journal of Operational Research 48 (1990) 9-26, North-Holland Tu, C. S., Chang, C. T., Chen, K.,K, Lu, H.A.,2010, Applying an AHP - QFD Conceptual Model and Zero-One Goal Programming to 128

ANALISIS METODE AHP DALAM PENENTUAN PRESTASI GABUNGAN KELOMPOK TANI

Recommend Documents