JURUSAN TEKNIK INDUSTRI FAKULTAS TEKNIK UNIVERSITAS SEBELAS MARET SURAKARTA 2012

perpustakaan.uns.ac.id

digilib.uns.ac.id

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 commit to user

i


digilib.uns.ac.id

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. .

commit to user

i


digilib.uns.ac.id

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.

commit to user

ii


digilib.uns.ac.id

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, user pembuatan berita acara hasil commit kontes,to penetapan pemenang, pengumuman

I-1


digilib.uns.ac.id

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 commit to userSimple Additive Weighting Method

I-2


digilib.uns.ac.id

(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 commit to user fleksibel terhadap perubahan tingkat kepentingan kriteria pemilihan yang

I-3


digilib.uns.ac.id

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 : commit to user

I-4


1.

digilib.uns.ac.id

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. commit to user

I-5


digilib.uns.ac.id

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.

commit to user

I-6


digilib.uns.ac.id

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

commit to user

II - 1


digilib.uns.ac.id

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 commit to user

II - 2


digilib.uns.ac.id

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 commit to user Making (MCDM) sebagai suatu metode pengambilan keputusan untuk

II - 3


digilib.uns.ac.id

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 elemenelemen 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 masalahmasalah 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 commit to user pada tahun 1947, von Neumann dan Morgenstern menerbitkan sebuah buku

II - 4


digilib.uns.ac.id

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 commit to user

II - 5


digilib.uns.ac.id

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. commit to user

II - 6


digilib.uns.ac.id

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

a12 a22 a32

a13 a23 a33

a1n a2n a3n

…..

…..

…..

an1

an2

an3

…. …. …. …. ….

…..

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 individual yang baik dalam commit tokeputusan user

II - 7


digilib.uns.ac.id

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 : commit to user

II - 8


a.

b.

digilib.uns.ac.id

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

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 :

c.

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

Hasil tersebut kemudian dinormalisasi untuk mendapatkan eigenvektor matriks dengan merata-ratakan jumlah baris terhadap tiap elemen. Tujuan Jumlah Baris Bobot Sub 1 Sub 2 Sub 3 Sub4 Jumlah

2.120

0.530

1.218

0.304

0.474

0.119

0.188

0.047 1.000

commit to user

II - 9


digilib.uns.ac.id

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. commit to user

II - 10


digilib.uns.ac.id

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

CR =

CI ……………………………………………………. (2.3) RI

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 l maksimum

lmaksimum didapatkan dengan mengalikan hasil jumlah kolom pada matriks perbandingan berpasangan dengan nilai eigenvektor tiap kriteria. Berikut adalah contoh perhitungannya

l maksimum = (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. CR =

Menghitung nilai rasio konsistensi (CR) CI 0.125 = = 0.141 RI 0.89

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 satucommit sama lain. to user Analytic Hierarchy Process hanya

II - 11


digilib.uns.ac.id

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 commit to user ideal positif dan jarak terpanjang dari solusi ideal negatif. Euclide

II - 12


digilib.uns.ac.id

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 negatifideal 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 langkahlangkah 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

밠

∑

, 㷠 밠 1, … . ; 밠 1, …

…………………(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.

�Ǵ

밠

Ǵ 翸�Ǵ

, 㷠 밠 1, … , ; 밠 1, … ,

……………...…(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

밠

밠

, � �Ǵ

,…. ∈

Ǵ

,

commit to user

II - 13

,… � �Ǵ

……………(2.7) ∈

|㷠 밠 1, …


digilib.uns.ac.id

I 밠

밠

,

밠

,….

Ǵ

∈

� �Ǵ

,

,… � �Ǵ

……………(2.8) ∈

|㷠 밠 1, …

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 : ∗ 㷠

밠 ∑ 밠1

2, 㷠

㷠

밠 1, … ,

……………..…(2.9)

Dk- adlah jarak terhadap solusi ideal negatif didefinisikan sebagai: �

밠

∑Ǵ

�Ǵ

Ǵ

, 㷠 밠 1, … ,

……………….…(2.10)

e. Menghitung nilai preferensi untuk setiap alternatif. ∗ �

밠

∗

, 㷠 밠 1, … , ,

………………………………..(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 commit to user dengan yang lainnya dan membuatnya tersedia untuk beberapa aplikasi yang

II - 14


digilib.uns.ac.id

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 commit to user dari komputer client ke sumber informasi yaitu basis data. Tentu saja

II - 15


digilib.uns.ac.id

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 masingmasing 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

pemasukan/penyimpanan data. commit to user

II - 16

ketidakakuratan

dalam


6.

digilib.uns.ac.id

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.

commit to user

II - 17


digilib.uns.ac.id

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 perkiraanperkiraan 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

proses pemilihan diantara alternatif untuk dijalankan.

pemilihan

ini

meliputi

mencari,

mengevaluasi

dan

merekomendasikan solusi yang tepat dari model. Solusi dari suatu commit to user

II - 18


digilib.uns.ac.id

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 masalahmasalah 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 commit to user keputusan yang efektif adalah kemudahan untuk digunakan,

II - 19


digilib.uns.ac.id

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 commit to user Traduisant La Realite ( ELECTRE). ELECTRE didasarkan pada

II - 20


digilib.uns.ac.id

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 commit to user

II - 21


digilib.uns.ac.id

metode AHP dan TOPSIS untuk memilih alternatif racun hama terbaik untuk mengurangi serangan hama pada pohon apel.

commit to user

II - 22


digilib.uns.ac.id

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.

commit to user Penelitian Gambar 3.1. Metodologi

III-1


digilib.uns.ac.id

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 kekurangankekurangan 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 sasaransasaran yang akan dibahas untuk kemudian dicari solusi pemecahan masalahnya. Adapun permasalahan yang akan dibahas commit to userlebih lanjut adalah bagaimana

III-2


digilib.uns.ac.id

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 commit to user

III-3

anatara


digilib.uns.ac.id

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 1

Identifikasi dan Penyusunan Kriteria Pemilihan Penyedia Barang

4

2

5

Pemberian Bobot Kepentingan Untuk Tiap Kriteria

3

Pengumpulan Data Penilaian Penyedia Barang

Penghitungan Normalisasi Data

Penghitungan Bobot Kepentingan Kriteria dan Penghitungan Konsistensi Rasio 6

Tidak

Rasio Konsistensi Valid?

Pembobotan Data Ternormalisasi

Ya

7

8

Penghitungan Positive Ideal Solution

9

Penghitungan Negative Ideal Solution

Penghitungan Similarities Positive Ideal Solution

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.

commit to user

III-4


Langkah 2

digilib.uns.ac.id

:

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 masingmasing

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). commit to user

III-5


Langkah 8

digilib.uns.ac.id

:

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. commit to user

III-6


digilib.uns.ac.id

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.

commit to user

III-7


digilib.uns.ac.id

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

commit to user IV-1


digilib.uns.ac.id

kencana tahun 2011 disajikan pada Gambar 4.1.

JENIS KERETA

ASPEK FUNGSI Kekuatan Kenyamanan Kemudahan Pengoperasian

ASPEK ESTETIKA ASPEK EKONOMIS TOTAL NILAI Desaian Makna Simbolik Originalitas Harga

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

commit to user IV-2


digilib.uns.ac.id

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

Peserta 1 Peserta 2 Peserta 3 Peserta 4

Kekuatan Kenyamanan Kemudahan Desain Makna Originalitas (K11) (K12) Pengoperasian (K13) (K21) Simbol (K22) (K31) 90 90 80 85 90 80 90 80 85 80 90 85 85 90 90 90 90 80 90 90 80 90 90 80

Tabel 4.2. Hasil Penilaian Peserta Data Hipotetik II



commit to user IV-3


digilib.uns.ac.id

Tabel 4.3. Hasil Penilaian Peserta Data Hipotetik III



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



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

commit to user IV-4


digilib.uns.ac.id

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 K2

K1 1,000 3,000

K2 0,333 1,000

Tabel 4.6. Hasil Penilaian Kepentingan Kriteria Responden II Respon II K1 K2

K1 1,000 0,500

K2 2,000 1,000

Tabel 4.7. Hasil Penilaian Kepentingan Kriteria Responden III Respon III K1 K2

K1 1,000 1,000

K2 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

commit to user IV-5


digilib.uns.ac.id

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 K2 Jumlah

K1 1,000 1,145

K2 0,873 1,000

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 0,500 0,500

K12 2,000 1,000 1,000

K13 2,000 1,000 1,000

Tabel 4.10. Hasil Penilaian Kepentingan Subkriteria Fungsi Responden II Respon II K11 K12 K13

K11 1,000 0,500 0,500

K12 2,000 1,000 1,000

commit to user IV-6

K13 2,000 1,000 1,000


digilib.uns.ac.id

Tabel 4.11. Hasil Penilaian Kepentingan Subkriteria Fungsi Responden III Respon III K11 K12 K13

K11 1,000 2,000 2,000

K12 0,500 1,000 1,000

K13 0,500 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 K 11 K 12 K 13 Jumlah

K 11 1,000 0,794 0,794 2,588

K 12 1,260 1,000 1,000 3,260

K 13 1,260 1,000 1,000 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 K 21 K 22 K 23

K 21 1,000 1,000 0,500

K22 1,000 1,000 0,500

K23 2,000 2,000 1,000

Tabel 4.14. Hasil Penilaian Kepentingan Subkriteria Estetika Responden II Respon II K 21 K 22 K 23

K 21 1,000 2,000 1,000

K22 0,500 1,000 0,500

commit to user IV-7

K23 1,000 2,000 1,000


digilib.uns.ac.id

Tabel 4.15. Hasil Penilaian Kepentingan Subkriteria Estetika Responden III Respon III K 21 K 22 K 23

K 21 1,000 2,000 0,500

K22 0,500 1,000 0,333

K23 2,000 3,000 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 Jumlah

4.3.2

K21 1,000 1,587 0,630 3,217

K22 0,630 1,000 0,437 2,067

K23 1,587 2,289 1,000 4,876

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.

commit to user IV-8


digilib.uns.ac.id

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 : 1,000 뾸 0,466 2,145 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 =

commit to user IV-9


digilib.uns.ac.id

0,534 dengan hasil penghitungan rata-rata geometris responden K1.1 = 1,000 sampai dengan K2.2 = 1,000.

0,466 0,534

x

1,000

0,873

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/w

K1 0,466 0,534 2,000

K2 0,466 0,534 2,000

P 0,932 1,068 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 : CI =

l maksimum - n n -1

commit to user IV-10


CI =

digilib.uns.ac.id

2-2 = 0.000 2 -1

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. CR =

CI RI

CR =

0 = 0.000 0

Dari penghitungan didapatkan nilai CR adalah 0 maka dapat disimpulkan bahwa data responden ini dapat dikatakan konsisten. Nilai pembobotan kepentingan masingmasing kriteria dan rangking ditampilkan pada tabel 4.19. Tabel 4.19. Nilai Bobot Kepentingan Kriteria dan Rangking Kriteria Fungsi Estetika

4.3.2.2 Penghitungan Bobot

Bobot 0,466 0,534

Rangking 2 1

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



digilib.uns.ac.id

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 : 1,000 뾸 0,386 2,588 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

K11 0,386 0,307 0,307 1,000

K12 0,387 0,307 0,307 1,000

K 13 0,387 0,307 0,307 1,000

Jumlah 1,159 0,920 0,920 3,000

Bobot Ideal (w) Rangking 0,386 1 0,307 2 0,307 2 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 0,307 0,307

x

1,000 0,794 0,794


1,260 1,000 1,000

1,260 1,000 1,000


digilib.uns.ac.id

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 P/w

K11 0,386 0,307 0,307 3,00029

K12 K13 0,387 0,387 0,307 0,307 0,307 0,307 3,0002933 3,00029

P 1,160 0,920 0,920 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 : CI =

l maksimum - n n -1

CI =

3,00029 - 3 = 0.000145 3 -1

Langkah 6 :



digilib.uns.ac.id

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. CR =

CI RI

CR =

0,000145 = 0.000279 0,52 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 Kekuatan Kenyamanan Kemudahan pengoperasian

Bobot 0,386 0,307 0,307

Rangking 1 2 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 Jumlah

K 21 1,000 1,587 0,630 3,217

K 22 0,630 1,000 0,437 2,067

K23 1,587 2,289 1,000 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.



digilib.uns.ac.id

K21 = 1,000 sampai dengan K23. K23 = 1,000. 0,314 0,482 0,204

x

1,000 1,587 0,630

0,630 1,000 0,437

1,587 2,289 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

K21 0,311 0,493 0,196 1,000

K 22 0,305 0,484 0,211 1,000

K 23 0,325 0,469 0,205 1,000

Jumlah 0,941 1,447 0,612 3,000

Bobot Ideal (w) Rangking 0,314 2 0,482 1 0,204 3 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 : CI =

l maksimum - n n -1

CI =

3,001 - 3 = 0.000497 3 -1



digilib.uns.ac.id

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. CR =

CI RI

CR =

0,000497 = 0.000955 0,52 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 Desain Makna Simbolik Originalitas

Bobot 0,314 0,482 0,204

Rangking 2 1 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 Fungsi

0,466

Estetika

0,534

Subkriteria Bobot Subkriteria Bobot Global Kekuatan 0,386 0,180 Kenyamanan 0,307 0,143 Kemudahan pengoperasian 0,307 0,143 Desain 0,314 0,168 Makna Simbolik 0,482 0,257 Originalitas 0,204 0,109



4.3.3

digilib.uns.ac.id

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 K 11 Peserta 1 270 Peserta 2 260 Peserta 3 255 Peserta 4 268 (∑(Xkj^2))^0,5 526,639 Max 270 Min 255

4.3.4

K 12 254 245 260 252 505,613 260 245

K 13 240 255 249 260 502,221 260 240

K 21 250 260 240 240 495,278 260 240

K 22 265 265 265 265 530,000 265 265

K 23 245 240 255 240 490,153 255 240

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).

úú

뾸

270 뾸 0,513 526,639



digilib.uns.ac.id

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 Peserta 1 Peserta 2 Peserta 3 Peserta 4

4.3.5

K 11 0,513 0,494 0,484 0,509

K 12 0,502 0,485 0,514 0,498

K 13 0,478 0,508 0,496 0,518

K 21 0,505 0,525 0,485 0,485

K 22 0,500 0,500 0,500 0,500

K 23 0,500 0,490 0,520 0,490

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. úú

뾸 0,180

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



digilib.uns.ac.id

Vij K 11 K 12 K 13 K 21 K 22 K 23 Peserta 1 0,092 0,072 0,068 0,085 0,129 0,054 Peserta 2 0,089 0,069 0,073 0,088 0,129 0,053 Peserta 3 0,087 0,074 0,071 0,081 0,129 0,057 Peserta 4 0,092 0,071 0,074 0,081 0,129 0,053 Max 0,092 0,074 0,074 0,088 0,129 0,057 Min 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. ∗

뾸

0,092

= 0,007

0,092

2

0,072

0,074 2 … … .

0,054

0,053

2

Tabel 4.30. Separasi Solusi Ideal Positif TOPSIS Peserta 1 Peserta 2 Peserta 3 Peserta 4

Dk* 0,007 0,007 0,009 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.



뾸

0,092

= 0,007

digilib.uns.ac.id

0,087

2

0,072

0,069 2 … … .

0,072

0,072

2

Tabel 4.31. Separasi Solusi Ideal Negatif TOPSIS Peserta 1 Peserta 2 Peserta 3 Peserta 4

4.3.6

Dk0,007 0,008 0,006 0,007

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. ∗ ú ∗ ú

뾸 뾸

0,007 0,007 0,007

0,007 0,014

= 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



digilib.uns.ac.id

TOPSIS (Dk*+Dk-) Peserta 1 0,014 Peserta 2 0,015 Peserta 3 0,015 Peserta 4 0,015

4.4

C* 0,484 0,556 0,397 0,486

Rangking 3 1 4 2

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



4.5

digilib.uns.ac.id

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



digilib.uns.ac.id

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.



digilib.uns.ac.id

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.



digilib.uns.ac.id

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.



digilib.uns.ac.id

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.



digilib.uns.ac.id

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



digilib.uns.ac.id

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



digilib.uns.ac.id

Gambar 4.13 Rancangan Interface Halaman Daftar Peserta

Gambar 4.14 Rancangan Interface Halaman Daftar Panitia



digilib.uns.ac.id

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.



digilib.uns.ac.id

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.



digilib.uns.ac.id

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.



digilib.uns.ac.id

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.



digilib.uns.ac.id

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



digilib.uns.ac.id

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 Rangking Peserta 1 270 254 240 250 265 245 1524 2 Peserta 2 260 245 255 260 265 240 1525 1 Peserta 3 255 260 249 240 265 255 1524 2 Peserta 4 268 252 260 240 265 240 1525 1 commit to user

V-1


digilib.uns.ac.id

Hasil dari metode scoring yang sudah dikalikan oleh bobot dari setiap kriteria, berikut hasilnya : Tabel 5.2. Hasil dan Rangking Penghitungan Scoring Bobot

K11 48,6 46,8 45,9 48,24

K12 36,322 35,035 37,18 36,036

K13 34,32 36,465 35,607 37,18

K21 42 43,68 40,32 40,32

K22 68,105 68,105 68,105 68,105

K23 26,705 26,16 27,795 26,16

Jumlah Rangking 256,052 2 256,245 1 254,907 4 256,041 3

Hasil dari metode TOPSIS, berikut hasilnya : Tabel 5.3. Hasil dan Rangking Penghitungan TOPSIS TOPSIS (Dk*+Dk-) Peserta 1 0,014 Peserta 2 0,015 Peserta 3 0,015 Peserta 4 0,015

C* 0,484 0,556 0,397 0,486

Rangking 3 1 4 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 commit to user metode AHP dan TOPSIS. Pembuatan program aplikasi ini dibuat dengan

V-2


digilib.uns.ac.id

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 commit to user

V-3


digilib.uns.ac.id

barang, maka juri tidak bisa melakukan penilaian terhadadap peserta pengadaan barang.

Gambar 5.1 Form Input Rubrik Penilaian

commit to user Gambar 5.2 Form Input Penilaian Peserta

V-4


digilib.uns.ac.id

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.

commit to user

V-5


digilib.uns.ac.id

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 commit to user terbaik.

VI-1


6.2

digilib.uns.ac.id

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.

commit to user

VI-2

JURUSAN TEKNIK INDUSTRI FAKULTAS TEKNIK UNIVERSITAS SEBELAS MARET SURAKARTA 2012

Recommend Documents