SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN DATABASE MENGGUNAKAN METODE ANALYTICAL HIERARCHY PROCESS (AHP) Sity Aisyah 1, Nawang Kalbuana 2

Sity, Sistem Pendukung Keputusan Pemilihan…1

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN DATABASE MENGGUNAKAN METODE ANALYTICAL HIERARCHY PROCESS (AHP) Sity Aisyah1, Nawang Kalbuana2 1,2

AMIK Raharja Informatika, Jl. Jend Sudirman no.40 Cikokol-Tangerang Email : [email protected], [email protected]

ABSTRACT With the increasing number of students at some colleges, it would require the existence of an Academic Information Systems that can meet the information needs of academic community such as faculty, students and university management itself. In building the system needed a database as a data storage medium. There are several factors that a criterion in determining the best database that will be used in a college. One method of decision-making system in determining issues involving multi-criteria method is the Analytical Hierarchy Process (AHP). This research aims to build a decision support system that has the ability to analyze the selection of a database by using the method of Analytical Hierarchy Process (AHP), the factors used is by comparing one database software from one to another with a certain selection criteria so as to provide the output value priority intensity that produces an assessment of each database system. This decision support system helps to assess any database software, make changes and changes in the weights of criteria so it is useful to facilitate decision making related to the problem of database selection is best. Overall, the Oracle database (0.699) has a value which compares favorably with MySQL (0.170) and SQL Server (.131), but unfortunately the price Oracle has a value far higher value than other databases 0.662. Keyword : Decision Support System, AHP, DatabaseSelection ABSTRAK Dengan semakin meningkatnya jumlah mahasiswa pada suatu perguruan tinggi, maka diperlukan adanya suatu Sistem Informasi Akademik yang dapat memenuhi kebutuhan informasi bagi civitas akademik seperti dosen, mahasiswa dan manajemen perguruan tinggi itu sendiri. Dalam membangun sistem dibutuhkan suatu database sebagai media penyimpanan data. Terdapat beberapa faktor yang menjadi kriteria dalam menentukan database terbaik yang akan dipakai di suatu perguruan tinggi. Salah satu metode sistem pengambilan keputusan dalam menentukan persoalan yang melibatkan multi kriteria adalah dengan metode Analytical Hierarchy Process (AHP).Penelitian ini bertujuan untuk membangun sebuah sistem pendukung keputusan yang mempunyai kemampuan analisa pemilihan database dengan menggunakan metode Analytical Hierarchy Process (AHP), faktor-faktor yang digunakan adalah dengan membandingkan satu perangkat lunak database yang satu dengan yang lainnya dengan kriteria pemilihan tertentu sehingga memberikan output nilai intensitas prioritas yang menghasilkan suatu sistem penilaian terhadap setiap database.Sistem pendukung keputusan ini membantu melakukan penilaian setiap perangkat lunak database, melakukan perubahan kriteria dan perubahan nilai bobot sehingga sangat berguna untuk memudahkan pengambilan keputusan yang terkait dengan masalah pemilihan database yang terbaik.Secara keseluruhan database Oracle (0,699) mempunyai nilai yang lebih baik dibandingkan dengan MySQL (0,170) maupun SQL Server (0,131), namun sayangnya harga Oracle mempunyai nilai yang jauh lebih tinggi nilainya dibandingkan database lain 0,662. Kata kunci :Sistem pendukung keputusan, AHP, Pemilihan Database.

2. CSRID Journal, Vol.4 No.1 Februari 2012, Hal. 1 - 14

PENDAHULUAN Perkembangan suatu perguruan tinggi sangat dipengaruhi oleh jumlah mahasiswa yang masuk. Dengan bertambahnya jumlah mahasiswa maka diperlukan suatu sistem informasi yang ditujukan untuk dapat memberikan pelayanan kepada mahasiswa berupa informasi-informasi yang dibutuhkan oleh mahasiswa dengan cepat, tepat dan akurat. Adapun informasi-informasi yang dibutuhkan oleh mahasiswa antara lain seperti informasi jadwal perkuliahan, jadwal ujian, informasi pembayaran, dan lain-lain. Untuk membangun suatu sistem informasi akademik yang dapat memberikan semua informasi itu diperlukan suatu database , oleh karenanya sebelum sistem itu dibangun manajemen perguruan tinggi dalam hal ini diwakili oleh divisi IT (information technology) sebelum memutuskan perangkat lunak database apa yang akan dipakai nantinya menentukan beberapa kriteria-kriteria dalam memutuskan database yang terbaik yang akan dipakai untuk membangun sistem informasi akademik.Oleh sebab itu penulis menggunakan perangkat lunak Criterium DecisionPlus(R)3.0Student Versionuntuk membantu manajemen dalam membuat keputusan untuk pemilihan database dengan mengunakan metode AHP atau Analytical Hierarchy Process. KAJIAN MATERI AHP (ANALYTICAL HIERARCHY PROCESS) Analytical Hierarchy Process (AHP) dikembangkan oleh Thomas L. Saaty pada tahun 1970-an. Metode ini merupakan salah satu model pengambilan keputusan multikriteria yang dapat membantu kerangka berpikir manusia dimana faktor logika, pengalaman pengetahuan, emosi dan rasa dioptimasikan ke dalam suatu proses sistematis. Pada dasarnya, AHP merupakan metode yang digunakan untuk memecahkan masalah yang kompleks dan tidak terstruktur ke dalam kelompok-kelompoknya, dengan mengatur kelompok tersebut ke dalam suatu hierarki, kemudian memasukkan nilai numerik sebagai pengganti persepsi manusia dalam melakukan perbandingan relatif. Dengan suatu sintesa maka akan dapat ditentukan elemen mana yang mempunyai prioritas tertinggi. Pemilihan database yang dilakukan dengan memperhatikan kriteria-kriteria yang ada akan memiliki kompleksitas tersendiri apabila data yang diperoleh yang dijadikan input utama masih kualitatif. Menurut Yahya (Suryadi dan Ramdhani,2002,h.131) adakalanya timbul masalah keputusan yang dirasakan dan diamati perlu diambil secepatnya, tetapi variasinya rumit sehingga datanya tidak mungkin dicatat secara numerik, hanya secara kualitatif saja yang diukur, yaitu berdasarkan persepsi pengalaman dan intuisi. Namun, tidak menutup kemungkinan, bahwa modelmodel lainnya ikut dipertimbangkan pada saat proses pengambilan keputusan dengan pendekatan AHP, khususnya dalam memahami para pengambil keputusan individual pada saat proses penerapan pendekatan ini. Menurut Suryadi dan Ramdhani (2002,h.131) kelebihan AHP dibanding metode lain, diantaranya sebagai berikut. 1. Struktur yang berhirarki, sebagai konsekuensi dari kriteria yang dipilih, sampai pada subkriteria yang paling dalam. Kriteria menjadi level kedua setelah sasaran (goal), yakni pemilihan database. Penentuan kriteria dilakukan berdasarkan keputusan pimpinan atas masukan dari kepala divisi IT. 2. Memperhitungkan validitas sampai dengan batas toleransi inkonsistensi berbagai kriteria dan alternatif yang dipilih oleh para pengambil keputusan. Konsistensi setiap level diperiksa, baik level kriteria (kriteria pemilihan) maupun level alternatif (perangkat lunak database). 3. Memperhitungkan daya tahan atau ketahanan output analisis sensitivitas pengambilan keputusan. Selain itu, AHP mempunyai kemampuan untuk memecahkan masalah yang multiobjektif dan multikriteria yang berdasar pada perbandingan preferensi dari setiap elemen dalam hirarki. Jadi, model ini merupakan suatu model pengambilan keputusan yang komprehensif. Menurut Suryadi dan Ramdhani (2002,h.131-132) pada dasarnya langkah-langkah dalam metode AHP , adalah sebagai berikut :


1. Mendefinisikan masalah dan menentukan solusi yang diinginkan. Masalah yang akan dibahas yaitu, proses pemilihan database dengan multikriteria. Solusi yang diharapkan yaitu mendapatkan alternatif-alternatif perangkat lunak database yang akan digunakan. 2. Membuat struktur hirarki yang diawali dengan tujuan umum, kriteria/komponen yang dinilai dan alternatif-alternatif pada tingkatan yang paling bawah. Tujuan Umum (goal)

Kriteria 1

Kriteria 2

Alternatif 1

Kriteria 3

Alternatif 2

Kriteria 4

Alternatif 3

Gambar 1. Struktur Hirarki dalam AHP

3. Membuat matriks perbandingan berpasangan yang menggambarkan kontribusi relatif atau pengaruh setiap elemen terhadap masing-masing tujuan dan kriteria yang setingkat di atasnya. Perbandingan dilakukan berdasarkan “judgement” dari pengambil keputusan dengan menilai tingkat kepentingan suatu elemen dibanding elemen lainnya. Tabel 1. Matriks Perbandingan Berpasangan

Kriteria 1 Kriteria 1 Kriteria 1 Kriteria 1

Kriteria 1 k11 k21 k31 k41




4. Melakukan perbandingan berpasangan sehingga diperoleh judgement seluruhnya sebanyak n × [ (n-1) /2] buah, dengan n adalah banyaknya elemen yang dibandingkan. 5. Apabila terdapat 5 kriteria yang diperbandingkan maka kita harus melakukan judgement perbandingan berpasangan sebanyak 10 kali. 6. Menghitung nilai eigen dan menguji konsistensinya, jika tidak konsisten maka pengambilan data diulang. 7. Mengulangi langkah 3,4, dan 5 untuk seluruh tingkat hirarki. 8. Menghitung vector eigen dari setiap matriks perbandingan berpasangan. Nilai vector eigen merupakan bobot setiap elemen. Langkah ini untuk mensintensis judgement dalam penentuan prioritas elemen-elemen pada tingkat hirarki terendah sampai pencapaian tujuan. 9. Memeriksa konsistensi hirarki. Jika nilai lebih dari 10 persen maka penilaian data judgement harus diperbaiki. Secara umum perhitungan AHP dilakukan sebagai berikut :


Menentukan Hirarki (Tujuan, Kriteria, dan Alternatif)

Melakukan perhitungan bobot prioritas kriteria (menghitung matriks berpasangan dan nilai eigen)

Penilaian Ulang

Melakukan perhitungan bobot prioritas alternatif (menghitung matriks berpasangan dan nilai eigen)

Memeriksa Konsistensi Hirarki

Tidak CR <= 0,1

Penghitungan dengan AHP selesai

Gambar 2. Langkah Perhitungan dalam AHP



Penyusunan Hirarki Menurut Tintri (2004,h.3) hirarki adalah abstraksi struktur suatu sistem yang mempelajari fungsi interaksi antara komponen dan juga dampak-dampaknya pada sistem. Penyusunan hirarki atau struktur keputusan dilakukan untuk menggambarkan elemen sistem atau alternatif keputusan yang teridentifikasi.



Penentuan Prioritas Menurut Tintri (2004,h.5) untuk setiap kriteria dan alternatif, kita harus melakukan perbandingan berpasangan (pairwise comparison) yaitu membandingkan setiap elemen dengan elemen lainnya pada setiap tingkat hirarki secara berpasangan sehingga didapat nilai tingkat kepentingan elemen dalam bentuk pendapat kualitatif. Menurut Suryadi dan Ramdhani (2002,h.132-133) secara naluri, manusia dapat mengestimasi besaran sederhana melalui inderanya. Proses yang paling mudah adalah membandingkan dua hal dengan keakuratan perbandingan tersebut dapat dipertanggung jawabkan. Untuk itu Saaty (1980) menetapkan skala kuantitatif 1 sampai dengan 9 untuk menilai perbandingan tingkat kepentingan suatu elemen terhadap elemen lain.

Tabel 2. Skala Penilaian Perbandingan Berpasangan Nilai Perbandingan (A dibandingkan B) 1 3 1/3 5 1/5

Definisi A sama penting dengan B A sedikit lebih penting dari B Kebalikannya (B sedikit lebih penting dari A) A jelas lebih penting dari B Kebalikannya (B jelas lebih penting dari A)


7 1/7 9 1/9 2,4,6,8 atau 1/2, 1/4, 1/6, 1/8

A sangat jelas lebih penting dari pada B Kebalikannya (B sangat jelas lebih penting dari pada A) A mutlak lebih penting dari pada B Kebalikannya (B mutlak lebih penting dari pada A) Diberikan apabila terdapat sedikit perbedaan dengan patokan diatas

PEMBAHASAN Dalam bagian ini akan disajikan perhitungan mulai dari pembobotan kriteria, penyelesaian dengan manipulasi matrik, pembobotan alternatif, consistency ratio dan juga pemilihan alternatif menggunakan software criterium decisionplus. Adapun data yang diperoleh penulis berdasarkan hasil pengisian kuisioner oleh responden.Dan dalam melakukan penelitian, penulis melakukan beberapa tahap seperti yang terlihat dalam gambar di bawah ini : Penentuan lokasi dan variabel penelitian Menentukan kebutuhan data yang akan digunakan Pengumpulan data yang dibutuhkan

Studi Literatur

Kuisioner

Data Penelitian

Pengelolaan alternatif yang digunakan

Kriteria pemilihan yang digunakan

Alternatif-alternatif database

Pengolahan data dengan AHP

Perangkat lunak/ Aplikasi Criterium DecisionPlus

Manual

Gambar 3. Desain Penelitian Pemilihan Perangkat Lunak Database

Hirarki Dari Komponen Keputusan Pemilihan Database

Kecepatan Akses Data

 SQL Server  MySQL  Oracle

Kapasitas


Gambar 4. Hubungan Sasaran, Kriteria, dan Alternatif dalam AHP

Harga



Pembobotan Kriteria Tabel 3. Skala Penilaian Perbandingan Berpasangan Kecepatan Akses Data 1/1

Kapasitas 1/4

Harga 3/1

Kapasitas

4/1

1/1

1/2

Harga

1/3

2/1

1/1


Penyelesaian Dengan Manipulasi Matrik o Ubah matrik menjadi bilangan desimal

o Iterasi I Kuadratkan matrik di atas : x

=

Jumlahkan nilai setiap baris dan hitung nilai normalisasinya :

Jumlah

Jumlah Baris 15,6250 24,1667 15,7499

Hasil Normalisasi 15,6250 ÷ 55,5416 = 0,2813 24,1667 ÷ 55,5416 = 0,4351 15,7499 ÷ 55,5416 = 0,2836

55,5416

1,0000

o Iterasi II Kuadratkan matrik di atas : x

=

Jumlahkan nilai setiap baris dan hitung nilai normalisasinya : Jumlah Hasil Normalisasi Baris

Jumlah

300,4267 404, 8535 281,3452

300,4267 : 986,6254 = 0,3045 404, 8535 : 986,6254 = 0,4103 281,3452 : 986,6254 = 0,2852

986,6254

1,0000

Hitung Perbedaan nilai eigen sebelum dan sesudah nilai eigen sekarang : 0,2813 – 0.3045 = -0.0232 0,4351 – 0.4103 = 0.0248 0,2836 – 0.2852 = -0.0016

o Iterasi III Kuadratkan matrik di atas : x

Jumlahkan nilai setiap baris dan hitung nilai normalisasinya : Jumlah Baris 94.626,9472 131.212,4256 90.767,1760 Jumlah

316.606,5489

Hasil Normalisasi 94.626,9472 : 316.606,5489= 0,2989 131.212,4256 : 316.606,5489= 0,4144 90.767,1760 : 316.606,5489 = 0,2867 1,0000


Hitung Perbedaan nilai eigen sebelum dan sesudah nilai eigen sekarang : 0,3045 – 0,2989 = 0.0056 0,4103 – 0,4144 = -0.0041 0,2852 – 0,2867 = -0.0015

Jadi nilai eigen yang diperoleh adalah : 0,2989, 0,4144, 0,2867. Tabel 4. Matrik Berpasangan beserta dengan Nilai Eigen Kecepatan Akses Data Kapasitas 1,0000 0,2500 Kecepatan Akses Data 4,0000 1,0000 Kapasitas 0,3333 2,0000 Harga

Harga 3,0000 0,5000 1,0000

Nilai Eigen 0,2989 0,4144 0,2867

Berdasarkan nilai eigen, maka diketahui bahwa kriteria yang paling penting adalah kapasitas, kecepatan akses, dan terakhir harga. Hasil diagram hierarki beserta dengan nilai bobot kriteria yang telah diperoleh dapat dilihat pada gambar di bawah ini. Pemilihan Database 1,00

Sasaran

Kriteria

Kecepatan Akses Data 0,2989


Kapasitas 0,4144

Harga 0,2867



Gambar 5. Hasil Perhitungan Bobot Kriteria

Pembobotan Alternatif Matrik berpasangan untuk alternatif-alternatif bagi setiap kriteria, Pembobotan kriteria Kecepatan Akses Data adalah : SQL Server

MySQL

1/1 1/2 SQL Server 2/1 1/1 MySQL 3/1 3/1 Oracle Pembobotan kriteria Kapasitas adalah : SQL Server MySQL 1/1 1/2 SQL Server 2/1 1/1 MySQL 5/1 5/1 Oracle Pembobotan kriteria Harga adalah : SQL Server MySQL 1/1 2/1 SQL Server 1/2 1/1 MySQL 7/1 9/1 Oracle

Oracle 1/3 1/3 1/1 Oracle 1/5 1/5 1/1 Oracle 1/7 1/9 1/1

Penyelesaian dengan manipulasi matrik Untuk menghitung nilai eigen dari masing-masing kriteria yaitu kecepatan akses data, kapasitas, dan harga menggunakan cara yang sama seperti di atas.


A. Kriteria : Kecepatan Akses Data o Matrik

o

Nilai Eigen Jumlah Baris 54,9167 87,1667 207,5000 Jumlah

B.

349,5834

Hasil Normalisasi 54,9167÷349,5834 = 0,1571 87,1667 ÷349,5834 = 0,2493 207,5000 ÷349,5834 = 0,5936 1,0000

Kriteria : Kapasitas o Matrik

o

Nilai Eigen

Jumlah

C. o

Jumlah Baris 51,8500 82,3000 326,5000

Hasil Normalisasi 51,8500 ÷460,6500 = 0,1126 82,3000 ÷460,6500 = 0,1787 326,5000÷460,6500 = 0,7088

460,6500

1,0000

Kriteria : Harga Matrik

o

Nilai Eigen Jumlah Baris 80,3617 46,5578 485,4683

Jumlah

612,3878

Hasil Normalisasi 80,3617 ÷612,3878 = 0,1312 46,5578 ÷612,3878 = 0,0760 485,4683÷612,3878 = 0,7927

1,0000

Dengan menghitung nilai eigen dari ketiga kriteria di atas maka diperoleh : Nilai Eigen Ranking Alternatif Kecepatan Akses Data 3 SQL Server 0,1571 2 MySQL 0,2493 1 Oracle 0,5936 Ranking 3 2 1 Ranking 2 3 1

Alternatif SQL Server MySQL Oracle Alternatif SQL Server MySQL Oracle

Nilai Eigen Kapasitas 0,1126 0,1787 0,7088 Nilai Eigen Harga 0,1312 0,0760 0,7927


Pemilihan Database 1,00

Kecepatan Akses Data 0,2989

Kapasitas 0,4144

 SQL Server (0,1571)  MySQL (0,2493)  Oracle (0,5936)

Harga 0,2867



Gambar 6. Hasil Akhir Seluruh Bobot

Dari hasil analisis di atas, maka jawaban dapat diperoleh dengan jalan mengalikan matrik nilai eigen dari alternatif dengan matrik bobot kriteria : Tabel 5. Hasil Akhir Penghitungan Bobot Kriteria

Alternatif


Kapasitas

Harga

Bobot Kriteria

0,1571 0,2493 0,5936

0,1126 0,1787 0,7088

0,1312 0,0760 0,7927

0,2989 0,4144 0,2867

SQL Server MySQL Oracle Hasilnya : SQL Server MySQL Oracle

: 0,1312 : 0,1704 : 0,6984

Jadi ranking yang diperoleh : 1.Oracle : 0,6984 2. MySQL : 0,1704 3. SQL Server : 0,1312

Consistency Ratio (CR) Consistency Ratio merupakan parameter yang digunakan untuk memeriksa apakah perbandingan berpasangan telah dilakukan dengan konsekwen atau tidak. CR = CI ÷ RI Nilai RI merupakan nilai random indeks yang dikeluarkan oleh Oarkridge Laboratory yang berupa tabel berikut ini : N 1 2 3 4 5 6 7 8 9 10 11 12 13 RI 0,00 0,00 0,58 0,90 1,12 1,24 1,32 1,41 1,45 1,49 1,51 1,48 1,56 CR <= 0.1 : Konsisten 0.1 < CR <= 0.15 : Agak Konsisten CR > 0.15 : Tidak Konsisten A. Kriteria : Kecepatan Akses Data Pembobotan alternatif Kecepatan Akses Data

SQL Server

MySQL

1/1 1/2 SQL Server 2/1 1/1 MySQL 3/1 3/1 Oracle Dari nilai faktor (nilai eigen) kriteria kecepatan akses data adalah : o SQL Server : 0,1571 o MySQL : 0,2493 o Oracle : 0,5936

Oracle 1/3 1/3 1/1


Weight Sum Vektor dapat dihitung dengan jalan mengalikan ke dua matriks tersebut : 1/1 1/2 1/3 0,1571 0,4796 * = 2/1 1/1 1/3 0,2493 0,7614 3/1 3/1 1/1 0,5936 1,8128

Kemudian dihitung Consistency Vektordengan jalan menentukan nilai rata-rata dari Weight Sum Vektor. 0,4796 ÷ 0,1571 = 3,0529 0,7614 ÷ 0,2493 = 3,0540 1,8128 ÷ 0,5936 = 3,0539 Nilai rata-rata dari Consistency Vektor adalah : = 3,0536 Nilai Consistency Index adalah :

n : banyaknya alternatif

Nilai Consistency Ratio adalah : CR = CI ÷ RI (Untuk n=3, nilai RI adalah 0,58) CR = 0,0268 ÷ 0,58 = 0,0462 Karena nilai CR adalah 0,0462, sehingga penilaian perbandingan pemilihan database berdasarkan kriteria kecepatan akses data sudah konsisten dan tidak memerlukan revisi penilaian. B. Kriteria : Kapasitas Pembobotan alternatif SQL Server MySQL Oracle 1/1 1/2 1/5 SQL Server 2/1 1/1 1/5 MySQL 5/1 5/1 1/1 Oracle Dari nilai faktor (nilai eigen) kriteria kapasitas adalah : o SQL Server : 0,1126 o MySQL : 0,1787 o Oracle : 0,7088 Dengan cara perhitungan yang sama seperti di atas, maka hasil nilai Consistency Ratio adalah : CR = CI ÷ RI (Untuk N=3, nilai RI adalah 0,58) CR = 0,0268 ÷ 0,58 = 0,0462 Karena nilai CR adalah 0,0462, sehingga penilaian perbandingan database berdasarkan kriteria kapasitas sudah konsisten dan tidak memerlukan revisi penilaian. C. Kriteria : Harga Pembobotan alternatif SQL Server MySQL Oracle

SQL Server 1/1 1/2 7/1

MySQL 2/1 1/1 9/1

Oracle 1/7 1/9 1/1


Dari nilai faktor (nilai eigen) kriteria harga adalah : o SQL Server : 0,1312 o MySQL : 0,0760 o Oracle : 0,7927

Dengan cara perhitungan yang sama seperti di atas, maka hasil nilai Consistency Ratio adalah : CR = CI ÷ RI (Untuk N=3, nilai RI adalah 0,58) CR = 0,0109 ÷ 0,58 = 0,0187 Karena nilai CR adalah 0,0187, sehingga penilaian perbandingan database berdasarkan kriteria harga sudah konsisten dan tidak memerlukan revisi penilaian. PENYELESAIAN AHP DENGAN CRITERIUM DECISION PLUS Berikut akan diuraikan contoh penyelesaian AHP dengan Criterium Decision Plus pada pemilihan database yang hierarkinya ditunjukkan pada gambar 1.4. Langkah-langkah perhitungan AHP pada Criterium Decision Plusadalah sebagai berikut : 1. Jalankan program Criterium Decision Plus dengan perintah : start/Program/Criterium Decision Plus, lalu double klik Criterium Decision Plus. 2. Buat file brainstrorming, dengan perintah File/New, lalu buat struktur masalah seperti pada gambar 3.6. Setelah selesai, simpan dengan peruntah File/Save As dan beri nama database.bst

Gambar 7. Hasil Brainstorming

3. Buat struktur hierarki dengan perintah Model  Generate Hierarchy. Lalu berikan nama model yang akan anda buat, misalnya database, seperti yang terlihat pada gambar 8.

Gambar 8. Pemberian nama model


4. Setelah itu akan keluar struktur hierarkinya seperti terlihat pada gambar 9.

Gambar 9. Struktur Hierarki

5. Tentukan model AHP dengan perintah Model  Technique – Alternatives  AHP. 6. Lakukan penilaian terhadap kriteria dengan perintah : a) Klik kotak Pemilihan Database. b) Lakukan perintah : Block  Rate Subcriteria. c) Penilaian kriteria dengan jalan : - Lakukan perintah : Methods / Full Pairwise - Isikan nilai seperti yang terlihat pada gambar 10

Gambar 10. Hasil Pengisian Nilai Kriteria

d) Lakukan penilaian perbandingan antara tiga alternatif untuk setiap kriteria yang tersedia. 7. Untuk melihat hasil akhir, gunakan perintah Result  Decision Scores. Grafik hasilnya terlihat pada gambar 11

Gambar 11. Grafik Hasil Pengolahan Akhir AHP


8. Untuk melihat hasil akhir dalam bentuk tabel gunakan perintah View  Result Data. Hasilnya seperti pada gambar 12

Gambar 12. Tampilan Data

Hasil pengujian akhir terhadap tiga DBMS yang diuji (Oracle, mySQL, SQL Server)adalah dalam hal Kecepatan Akses Data maupun harga Oracle mempunyai nilai yang lebih tinggi dibandingkan dengan database mySQL maupun SQL Server. Namun dalam hal kapasitas Oracle masih lebih rendah 0,219 dibandingkan MySQL. Hasil akhir atas tiga DBMS diperoleh peringkat pertama Oracle (0,519) kemudian MySQL (0,343) dan SQL Server (0.138). SIMPULAN Metode AHP merupakan metode yang dapat digunakan untuk proses pemilihan database, karena metode ini dapat memberikan solusi pemilihan database selama langkah-langkah penggunaannya terpenuhi. Langkah paling penting adalah pembobotan atau pembuatan matriks berpasangan, karena ketepatan pembuatan matriks berpasangan ini mempengaruhi langkah-langkah penghitungan AHP selanjutnya.Dari hasil uji coba dan pengujian yang telah dilakukan dengan menggunakan software criterium decisionplusmaka dapat diambil kesimpulan : - Dalam hal kecepatan akses data Oracle mempunyai nilai lebih tinggi (0,594) dibandingkan MySQL (0,249) maupun SQL Server (0,157), namun dalam hal Kapasitas MySQL (0,595) mempunyai nilai lebih tinggi dibandingkan Oracle (0,276) maupun SQL Server (0,128). Secara keseluruhan database Oracle (0,699) mempunyai nilai yang lebih baik dibandingkan dengan MySQL (0,170) maupun SQL Server (0,131),namun sayangnya harga Oracle mempunyai nilai yang jauh lebih tinggi nilainya dibandingkan database lain 0,662. - Inputan matrik berpasangan yang diberikan oleh user akan sangat berpengaruhterhadap tingkat dominasi/prioritas dari kriteria yang satu terhadap kriteria yang lain. - Untuk mendapatkan hasil pengambilan keputusan yang sesuai, seorang yang betul memahami permasalahan sangat ditekankan, terutama dalam menentukan nilai inputan. - Semakin tinggi tingkat ketelitian perhitungan yang telah dilakukan, akan semakin baik, hal- ini dapat dilihat dari hasil perbandingan antara perhitungan manual dengan software criterium decisionplus. - Sistem aplikasi pengambilan keputusan ini dapat membantu dalam memutuskan permasalahan, yaitu bisa menentukan perangkat lunak database yang akan digunakan dengan kriteria tertentu.

DAFTAR RUJUKAN Amborowati, Armadyah. 2007. Sistem Pendukung Keputusan Pemilihan Karyawan Berprestasi Berdasarkan Kinerja (Studi Kasus Pada STMIK AMIKOM Yogyakarta). Seminar Nasional Aplikasi Teknologi Informasi 2007 (SNATI 2007). Kabir, Golam, M. Ahsan Akhtar Hasin. 2011. Evaluation of customer oriented success factors in mobile commerce using fuzzy AHP. Journal of Industrial Engineering and Management,Vol. 4 No. 2 pp.361-386.


Marimin. 2004. Teknik dan Aplikasi Pengambilan Keputusan Kriteria Majemuk. PT Grasindo, Jakarta. Marimin, Maghfiroh, Nurul. 2010. Aplikasi Teknik Pengambilan Keputusan dalam Manajemen Rantai Pasok. Penerbit IPB Press, Bogor. Saaty, T.L. 2001. Decision Making For Leaders. Forth edition, University of Pittsburgh, RWS Publication. Saaty, T.L. 1988. Multicriteria Decision Making: The Analytic Hierarchy Process. University of Pittsburgh, RWS Publication, Pittsburgh Suryadi, Kadarsah, Ali Ramdhani . 2002. Sistem Pendukung Keputusan : Suatu Wacana Struktural Idealisasi dan Implementasi Konsep Pengambilan Keputusan. Bandung : PT.Remaja Rosdakarya. Tintri, Dharma E.Sudarsono. 2004. Penerapan Analytical Hierarchy Process untuk Pemilihan Metode Audit PDE oleh audit internal. Jakarta. Triantaphyllou, Evangelos. 1995. Using The Analytic Hierarchy Process For Decision Making In Engineering Applications: Some Challenges. Published in: International Journal of Industrial Engineering: Applications and Practice, Vol. 2, No. 1, pp. 35-44.

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN DATABASE MENGGUNAKAN METODE ANALYTICAL HIERARCHY PROCESS (AHP) Sity Aisyah 1, Nawang Kalbuana 2

Recommend Documents