Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol. 1, No. 11, November 2017, hlm. 1204-1214
e-ISSN: 2548-964X http://j-ptiik.ub.ac.id
Sistem Pendukung Keputusan untuk Rekomendasi Wirausaha Menggunakan Metode AHP-TOPSIS (Studi Kasus Kab. Probolinggo) Ghulam Mahmudi Al Azis1, Imam Cholissodin2, M. Tanzil Furqon3 Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Brawijaya Email:
[email protected],
[email protected],
[email protected] Abstrak Seiring berkembangnya jumlah penduduk Indonesia, juga menimbulkan persaingan dalam mencari pekerjaan. Keterbatasan lowongan pekerjaan berdampak meningkatnya jumlah pengangguran setiap tahunnya. Hingga bulan Februari 2016, angkatan kerja di Indonesia mencapai 127 juta jiwa dengan tingkat pengangguran keseluruhan sebesar 5,5% atau 7 juta jiwa. Untuk mengatasi jumlah pengangguran yang semakin meningkat ini, diperlukan langkah solusi yaitu berupa pendukung keputusan untuk berwirausaha. Sistem pendukung keputusan dapat digunakan untuk merekomendasikan suatu wirausaha bagi pengangguran ataupun semua orang. Metode AHP dan metode TOPSIS merupakan salah satu metode sistem pendukung keputusan yang dapat dikombinasikan dengan menghitung bobot kriteria menggunakan metode AHP, kemudian dilanjutkan dengan menghitung nilai preferensi untuk perangkingan dari alternatif wirausaha menggunakan metode TOPSIS. Metode AHP-TOPSIS akan merekomendasikan hasil berupa 3 wirausaha dengan nilai preferensi tertinggi. Sesuai dengan hasil pengujiannya, bahwa aplikasi ini dapat membantu untuk merekomendasikan wirausaha dalam membantu mendukung keputusan user untuk memilih suatu wirausaha. Kata kunci: Wirausaha, Sistem Pendukung Keputusan, Metode AHP, Metode TOPSIS
Abstract Along with the growing number of Indonesian population, also raises the competition in looking for work. The limited job vacancy impacts the increasing number of unemployed every year. Until February 2016, the labor force in Indonesia reached 127 million people with an overall unemployment rate of 5.5% or 7 million people. To overcome this increasing number of unemployment, needed step solution that is in the form of decision support for entrepreneurship. Decision support systems can be used to recommend an entrepreneur for unemployment or everyone. AHP method and TOPSIS method is one of the methods of decision support system that can be combined with calculating the weight of criterion using AHP method then continued by calculating the value of preference for ranking from entrepreneurial alternative using TOPSIS method. The AHPTOPSIS method will recommend the results of 3 entrepreneurs with the highest preference value. In accordance with the test results, that these application can help to recommend entrepreneurs in helping decisions support for user to choose an entrepreneur. Keywords: Entrepreneur, Decision Support System, AHP Method, TOPSIS Method
pengangguran di Indonesia yang semakin meningkat. Di berbagai daerah, termasuk di Kabupaten Probolinggo pengangguran masih menjadi masalah yang sulit untuk dipecahkan. Berbagai upaya dilakukan oleh pemerintah untuk mengatasi masalah pengangguran, dari pemerintah pusat maupun pemerintah daerah. Tetapi, dilihat dari jumlah pengangguran di Indonesia yang hanya berkurang sedikit dari
1. PENDAHULUAN Indonesia adalah negara yang berkembang hingga saat ini. Berkembangnya Indonesia dipicu dari jumlah penduduk yang terus bertambah, semakin bertambahnya penduduk juga memicu ketersediaan lowongan kerja diseluruh Indonesia. Tidak mudah mencari perkerjaan dalam jumlah lowongan kerja yang terbatas, maka dapat memicu juga jumlah Fakultas Ilmu Komputer Universitas Brawijaya
1204
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
tahun sebelumnya, terlihat bahwa belum ada kemajuan yang signifikan atau progress kemajuan sangat minim dari upaya-upayan pemerintah tersebut, hal ini menjadi masalah yang utama. Dari permasalahan utama tersebut, munculah permasalahan khusus diantaranya meningkatnya terus pengangguran di berbagai daerah, terbatasnya lapangan pekerjaan yang mana lebih banyaknya pencari kerja setiap tahunnya, tingkat kemalasan yang tinggi di Indonesia sehingga tidak ada kemauan untuk berwirausaha, masih kurangnya pengetahuan dalam dunia wirausaha oleh para pencari kerja atau pengangguran dan masih awam dan bingungnya para pencari kerja atau pengangguran dalam memilih dan membuka suatu wirausaha baru. Pengangguran yang ingin berwirausaha sendiri merupakan cara yang terbaik untuk memulai pekerjaan. Seseorang yang ingin berwirausaha, tentu saja banyak hal yang perlu dilakukan seperti melihat kondisi pasar, mengetahui jumlah pesaing usaha, mengetahui jumlah permintaan barang atau jasa oleh konsumen dan mengetahui daya beli konsumen pada suatu produk tertentu. Berwirausaha sendiri juga tidak mudah, karena juga membutuhkan modal dan harus tahu wirausaha apa yang harus dikerjakan. Oleh karena itu dalam memilih wirausaha baru, tidak dianjurkan untuk memilih secara acak, karena akan memicu dalam kegagalan ke depannya yang bisa membuat tidak berhasilnya wirausaha itu. Dari uraian permasalahan di atas, diperlukan sebuah sistem pendukung atau penunjang keputusan yang dapat membantu dalam memilih wirausaha yang sesuai minat dan bakat dengan metode AHP-TOPSIS. Metode AHP bertujuan menentukan bobot prioritas kriteria, kemudian dilanjutkan perhitungannya dengan metode TOPSIS yang bertujuan menentukan perangkingan alternatif wirausaha. Diharapkan sistem ini dapat membantu para pengangguran dalam memilih wirarusaha baru dengan tepat, jika dapat memilih wirausahanya sesuai dengan minatnya atau bakatnya, maka akan ada semangat, usaha dan kerja keras yang lebih untuk mencapai keberhasilannya. Jika jumlah wirausaha Indonesia bertambah banyak maka juga akan meningkatkan investasi dalam negeri dan dapat membuka lowongan tenaga kerja lebih banyak. Fakultas Ilmu Komputer, Universitas Brawijaya
1205
2. LANDASAN KEPUSTAKAAN 2.1 Definisi Wirausaha Wirausaha adalah kemampuan untuk berdiri sendiri, berdaulat, sumber untuk peningkatan kepribadian, suatu proses dimana seseorang mengejar peluang usaha, merupakan sifat mental dan sifat jiwa yang selalu aktif dan menuntut dalam mengelola, menguasai, mengetahui serta berpengalaman untuk memacu kreasi dan kreatifitas (Mienyantono, 2013). 2.2 Jenis-jenis Wirausaha a. b. c. d. e. f. g. h. i. j. k. l.
Usaha Pertanian (Agriculture) Usaha Peternakan (Livestock) Usaha Perikanan (Fishery) Usaha Pertambangan (Mining) Usaha Pubrikasi (Manufacturing) Usaha Konstruksi (Construction) Usaha Perdangangan (Trade) Usaha Jasa Keuangan (Financial Service) Usaha Jasa Perorangan (Personal Service) Usaha Jasa-jasa Umum (Public Service) Usaha Jasa Wisata (Tourism) Usaha Multimedia dan Teknologi Informasi
2.3 Metode AHP Analytical Hierarchy Process (AHP) pertama kali diperkenalkan oleh Thomas L. Saaty. AHP memecah-mecah suatu situasi yang kompleks dan tak terstruktur hingga menjadi bagian sekecil-kecilnya. Kemudian menata bagian atau variabel ini dalam suatu susunan hirarki dan memberi nilai numerik. Setelah itu mensintesis untuk menetapkan variabel mana yang memiliki prioritas paling tinggi. Pada penelitian ini AHP berfungsi untuk pembobotan prioritas kriteria. Langkah-langkah perhitungan metode AHP sebagai berikut: (Maharani, S., Hatta, H., R., Merdiko, G., 2014) 1. Membuat Matriks Perbandingan Berpasangan (Pairwise Comparision) 1 r12 1 1 r12 A [rim ] ... ... 1 1 r1n r2 n
... ... ... ...
r1n r2 n ... 1
Dimana, i, m 1, 2,....., n indeks
(1)
kriteria-
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
kriteria. Tabel 1. Skala intensitas kepentingan pada matriks pairwise comparison
1206
Keterangan: = Jumlah baris matriks x
i j n r'
1
Kedua kriteria sama penting.
3
Kriteria yang satu sedikit lebih penting daripada kriteria lainnya.
= Variabel baris ke-i = Variabel baris ke-j = Variabel kolom ke-n = Normalisasi matriks keputusan Kemudian mengitung bobot kriteria dengan persamaan berikut:
5
Kriteria yang satu lebih penting daripada kriteria lainya.
wi
Tingkat Pereferensi
Keterangan
7
Kriteria yang satu jelas lebih mutlak penting dari pada kriteria lainnya.
9
Kriteria yang satu mutlak penting daripada kriteria lainnya.
j i
Nilai-nilai diantara dua nilai pertimbangan kriteria yang berdekatan.
Kebalikan
Jika aktivitas x mendapatkan satu angka dibandingakan dengan aktivitas y , maka y memiliki nilai kebalikan dari x.
2. Normalisasi Matriks Keputusan Berikut ini adalah persamaan untuk menghitung jumlah kolom matriks perbandingan berpasangan. (2)
Keterangan: x = Jumlah kolom matriks i = Variabel kolom ke-i = Variabel baris ke-n n r = Indeks matriks perbandingan berpasangan Berikut ini adalah persamaan untuk menghitung normalisasi matriks perbandingan berpasangan.
rij '
rij xj
(3)
Keterangan: = Jumlah kolom matriks x = Variabel baris ke-i = Variabel kolom ke-j = Indeks matriks perbandingan berpasangan r' = Normalisasi matriks keputusan 3. Menentukan Bobot Kriteria Berikut ini adalah persamaan untuk menghitung eigenvektor atau bobot kriteria.
Fakultas Ilmu Komputer, Universitas Brawijaya
= Variabel baris ke-j = Variabel baris ke-i = Jumlah kriteria n = Eigenvektor/Bobot kriteria w 4. Analisis Konsistensi Berikut ini adalah persamaan untuk menghitung konsistensi dari bobot kriteria. (6) maks (wi xi ) ... (wn xn ) Keterangan: maks= Lamda maksimum = Eigenvektor/Bobot kriteria w = Jumlah kolom matriks pada matriks x
perbandingan berpasangan i = Variabel ke-i = Variabel ke-n n
CI (maks n)
(7)
n 1
Keterangan: = Consistency Index CI = Jumlah kriteria n CR CI
IR Keterangan: CR = Consistency Ratio IR = Indeks Random Consistency Tabel 2. Indeks random konsistensi
i j r
x j ri1 'ri 2 '... rin '
(5)
Keterangan: = Jumlah baris matriks x
2,4,6,8
xi r1i r2i ... rni
j n
(4)
Ukuran Matriks
Nilai IR
1
0,00
2
0,00
3
0,58
4
0,90
5
1,12
6
1,24
(8)
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 7
1,32
8
1,41
1207
solusi ideal negatif Berikut ini adalah persamaan untuk menentukan solusi ideal positif ( A ) dan solusi ideal negatif ( A ).
2.4 Metode TOPSIS
A ( y1 , y2 ,..., y3 );
(11)
Technique For Order Preference By Similarity To Ideal Solution (TOPSIS)
A ( y1 , y2 ,..., y3 );
(12)
diperkenalkan pertama kali oleh Yoon dan Hwang. Solusi optimal dalam metode TOPSIS
Dimana,
didapat dengan menentukan kedekatan relatif suatu altenatif terhadap solusi ideal positif. TOPSIS akan merangking alternatif berdasarkan prioritas nilai kedekatan relatif suatu alternatif terhadap solusi ideal positif. Alternatif-alternatif yang telah dirangking kemudian dijadikan sebagai referensi bagi pengambil keputusan untuk memilih solusi terbaik yang diinginkan. Langkah-langkah perhitungan metode TOPSIS dapat dilihat dibawah ini. (Prakarti, A., B., Imrona, M., Hidayati, H., 2016) 1. Membuat matriks keputusan 2. Membuat matriks keputusan ternormalisasi Berikut ini adalah persamaan untuk menghitung matriks keputusan ternormalisasi.
rij
xij
(9)
m
X i 1
2 ij
Keterangan: Dengan i = 1, 2, .., m; dan j = 1, 2, .., n; Dimana: rij = matriks keputusan ternormalisasi.
j
adalah
atribut manfaat dan minimal jika j adalah atribut biaya. min i , y ij yj ; minimal jika j adalah max i , y ij atribut manfaat dan maksimal jika j adalah atribut biaya. 5. Menentukan jarak antara nilai setiap alternatif dengan solusi ideal positf dan negatif (Sparate Measure) Di
Di
n j 1
n j 1
( yij yi ) 2
(13)
( yij yi ) 2
(14)
Keterangan: = jarak alternatif ke- i dengan solusi Di ideal positif = elemen solusi ideal positif [ i ] y i = elemen matriks ternormalisasi y ij terbobot [ i ][ j ] = jarak alternatif ke- i dengan solusi ideal negatif = elemen solusi ideal negatif [ i ] y i 6. Menentukan nilai preferensi untuk setiap alternatif Di
xij = bobot kriteria ke-j pada alternatif ke-i
i = alternatif permintaan ke-i j = kriterua permintaan ke-j 3. Membuat matriks keputusan ternormalisasi terbobot Berikut ini adalah persamaan untuk menghitung matriks keputusan ternormalisasi terbobot.
yij wi rij
max i , yij ; maksimal jika yj min i , yij
(10)
Keterangan: Dengan i = 1, 2, .., m; dan j = 1, 2, .., n; Dimana: yij = elemen matriks ternormalisasi [ i][j ]. w j = bobot dari kriteria ke-j
4. Menentukan solusi ideal positif dan matriks Fakultas Ilmu Komputer, Universitas Brawijaya
Vi
Di Di Di
(15)
Keterangan: = nilai kedekatan tiap alternatif Vi terhadap solusi ideal. = jarak antara alternatif ke- i dengan Di solusi ideal positif. = jarak antara alternatif ke- i dengan Di solusi ideal negatif.
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
1208
3. METODOLOGI PENELITIAN
AH P Mula
Metodologi penelitian yang dilakukan dalam penelitian ini mempunyai beberapa tahapan, seperti yang dapat dilihat pada diagram blok metodologi penelitian pada Gambar 1.
Skala prioritas kriteria
Menentukan bobot kriteria menggunakan metode AHP
Studi Literatur
Pengumpulan Data
TOPSI S
data user ke-i
Ambil bobot kriteria
Analisa Kebutuhaan dan Perancangan Sistem
Menentukan nilai preferensi untuk perangkingan alternatif menggunakan metode TOPSIS
Implementasi Sistem Hasil rekomendasi wirausaha
Pengujian dan Analisis Sistem
Selesai
Penarikan Kesimpulan dan Saran
Gambar 1. Diagram Blok Metodologi Penelitian
4. PERANCANGAN DAN IMPLEMENTASI Langkah penting yang dilakukan pada penelitian ini adalah merancang sistem kemudian mengimplementasikannya. Pada Gambar 2 merupakan alur perhitungan metode pada sistem.
Gambar 2. Flowchart Alur Sistem
4.1 Menghitung Bobot Kriteria Gambar 3 merupakan diagram alir perhitungan metode AHP. AHP berfungsi untuk menghitung bobot prioritas kriteria berdasarkan masukkan skala prioritas dari user, jika sudah konsisten setelah uji konsistensi dari bobot prioritas maka bobot tersebut sudah layak dan dapat digunakan pada perhitungan TOPSIS. Mulai 1
2
Skala prioritas kriteria Menghitung nilai konsistensi (CR)
Tidak
Membuat matriks perbandingan berpasangan CR 0,1
Ya
Menghitung normalisasi matriks keputusan
Bobot kriteria yang layak digunakan
Menghitung nilai bobot kriteria
Selesai 1
2
Gambar 3. Flowchart Metode AHP Fakultas Ilmu Komputer, Universitas Brawijaya
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
a. Skala Prioritas Kriteria
Eigenvektor (C1) =
0.2206 0.1989 0.3125 0.3214 1.0534 0.2633 4 4
Tabel 3. Skala Prioritas Kriteria Kode
1209
Kriteria
Skala prioritas
Bobot kriteria adalah 0.2633, 0.5579, 0.0569 dan 0.1219.
C1
Keminatan berwirausaha
5
C2
Potensi pasar
7
C3
Jenis produk
1
Max (0.2633 x 4.53) + (0.5579 x 1.68) +
C4
Analisis peluang usaha
3
(0.0569 x 16) + (0.1219 x 9.33) 4.1767
e. Konsistensi
Kemudian menghitung nilai CI dan CR:
b. Perbandingan Berpasangan Kriteria Tabel 4. Perbandingan Berpasangan Kriteria C1
C2
C3
C4
C1
1
0.33
5
3
C2
3
1
7
5
C3
0.2
0.14
1
0.33
C4
0.33
0.2
3
1
Total
4.53
1.68
16
9.33
C1 mempunyai skala prioritas 5 dan C2 mempunyai skala prioritas 7, maka selisih (75)+1 = 3. Karena C2 lebih besar nilainya dari pada C1, maka perbandingan C2:C1 = 3/1 sebaliknya perbandingan C1:C2 = 1/3. c. Normalisasi Berpasangan
Matriks
Perbandingan
CI
4.1767 4 0.1767 0.0589 4 1 3
CR 0.1
C1
C2
C3
C4
C1
0.2206
0.1989
0.3125
0.3214
C2
0.6618
0.5966
0.4375
0.5357
C3
0.0441
0.0852
0.0625
0.0357
C4
0.0735
0.1193
0.1875
0.1071
Total
1
1
1
1
Matriks (C1, C1) sebagai berikut: r11 '
Setelah menghitung bobot kriteria selanjutnya menghitung bobot sub kriterianya dengan menggunakan langkah yang sama. Mengalikan bobot sub kriteria dengan bobot kriterianya, didapatkan bobot akhir kriteria yang berjumlah 8 bobot seperti yang dapat dilihat pada Tabel 7. Bobot tersebut akan digunakan pada perhitungan metode TOPSIS. Tabel 7. Bobot Akhir Kriteria dan Sub kriteria
Nilai Bobot Akhir Kriteria
Keminatan berwirausaha
0.2633
Potensi pasar
Total
d. Menentukan Bobot Setiap Kriteria Tabel 6. Bobot Kriteria (Eigenvektor)
Pendekatan permintaan
0.3347
Pendekatan penawaran
0.1116
Membatasi jangkauan pasar
0.1116
Jenis produk
Analisis peluang usaha
1 0.2206 4.53
0.0589 0.0654 0.9
(konsisten)
Tabel 5. Normalisasi Matriks Kriteria
CR
0.0569 Minat konsumen
0.0406
Daya beli konsumen
0.0406
Kelangsungan usaha
0.0406 1
4.2 Menghitung Nilai Preferensi
Kriteria
C1
C2
C3
C4
Jumlah
Eigenvektor
C1
0.2206
0.1989
0.3125
0.3214
1.0534
0.2633
C2
0.6618
0.5966
0.4375
0.5357
2.2316
0.5579
C3
0.0441
0.0852
0.0625
0.0357
0.2276
0.0569
C4
0.0735
0.1193
0.1875
0.1071
0.4875
0.1219
Total
1
1
1
1
4
1
Fakultas Ilmu Komputer, Universitas Brawijaya
Gambar 4 merupakan diagram alir perhitungan metode TOPSIS.
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Nilai-nilai tersebut konversi dari data user.
1
Mulai
1210
Bobot kriteria, data kriteria user ke-i
Menghitung solusi ideal positif dan solusi ideal negatif
Membuat matriks keputusan
Menghitung sparate measure
Tabel 10. Normalisasi Matriks Keputusan
Menghitung nilai preferensi setiap alternatif
Menghitung matriks keputusan ternormalisasi terbobot
Rangking alternatif rekomendasi wirausaha
0.2633
0.3347
...
0.0406
0.0406
0.0406
C1
C21
...
C41
C42
C43
A1
0.3916
0.2085
...
0.4196
0.3812
0.3780
A2
0.3133
0.2085
...
0.3357
0.3812
0.3780
A3
0.3133
0.2085
...
0.3357
0.3812
0.3780
...
...
...
...
...
...
...
A11
0.2350
0.2085
...
0.0839
0.1525
0.1512
A12
0.2350
0.3128
...
0.2518
0.1525
0.1512
5
r11
1
5 2 4 2 4 2 2 2 4 2 32 5 2 32 4 2 32 32 32 5 r11 25 16 16 4 16 9 25 9 16 9 9 9 5 5 r11 0.3916 163 12.767
Selesai
Gambar 4. Flowchart Metode TOPSIS Tabel 8. Contoh Data User
c. Normalisasi Matriks Keputusan Terbobot
Nama
User-00
Tingkat keminatan berwirausaha
Sedang
Potensi pasar (pendekatan permintaan)
10-100 permintaan
Potensi pasar (pendekatan penawaran)
1-5 pesaing
Potensi pasar (membatasi jangkauan pasar)
Satu desa
Jenis produk
Produk berwujud (produk konsumen)
Analisis peluang usaha (Minat konsumen)
Tinggi
Analisis peluang usaha (Daya beli konsumen)
Tinggi
Analisis peluang usaha (Kelangsungan usaha):
Usaha terjamin
Tabel 11. Normalisasi Matriks Keputusan Terbobot C1
C21
...
C42
C43
A1
0.1031
0.0698
...
0.0155
0.0154
A2
0.0825
0.0698
...
0.0155
0.0154
A3
0.0825
0.0698
...
0.0119
0.0447
...
...
...
...
...
...
A11
0.0619
0.0698
...
0.0062
0.0061
A12
0.0619
0.1047
...
0.0062
0.0061
y11 0.3916 0.2633 0.1031
d. Solusi Ideal Positif dan Negatif Tabel 12. Solusi Ideal Positif dan Negatif
a. Matriks Keputusan
C1
C21
...
C42
C43
A+
0.1031
0.1396
...
0.0155
0.0154
A-
0.0413
0.0698
...
0.0031
0.0061
A max{0.1031; 0.0825; 0.0825;...; 0.0619} A 0.1031
Tabel 9. Matriks Keputusan Bobot
hasil
b. Normalisasi Matriks Keputusan Bobot
Menghitung matriks keputusan ternormalisasi
merupakan
0.2633
0.3347
...
0.0406
0.0406
0.0406
C1
C21
...
C41
C42
C43
A1
5
2
...
5
5
5
A2
4
2
...
4
5
5
A3
4
2
...
4
5
5
...
...
...
...
...
...
...
A11
3
2
...
1
2
2
A12
3
3
...
3
2
2
Fakultas Ilmu Komputer, Universitas Brawijaya
e. Separate Measure Tabel 13. Separete Measure Alternatif
D+
D-
A1
0.0798
0.0698
A2
0.0825
0.0517
A3
0.0811
0.0577
...
...
...
A11
0.0877
0.0350
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer A12
0.0665
0.0545
(0.1031 0.1031) (0.0698 0.1396) (0.0119 0.0476) 2
2
1211 Tabel 15. Contoh Hasil Pengujian
2
D1 (0.0298 0.0447) 2 (0.0250 0.0250) 2 (0.0170 0.0170) 2
Prioritas Wirausaha User User Pilihan 1
Pilihan 2
Pilihan 3
User01
Usaha Pertanian
Usaha Peternakan
Usaha Perdagangan
D1 0.0064 0.0798
User02
Usaha Pertanian
Usaha Peternakan
Usaha Jasa Perorangan
f.
User03
Usaha Pertanian
Usaha Peternakan
Usaha Perdagangan
(0.0155 0.0155) 2 (0.0154 0.0154) 2 0.0000 0.0049 0.0013 0.0002 0.0000 0.0000 0.0000 0.0000
D1
Nilai Preferensi
Contoh menghitung nilai preferensi,
Hasil Rekomendasi Sistem
0.0798 0.0798 VA1 0.4667 0.0798 0.0698 0.1496
Maka didapatkan hasil perangkingan alternatif wirausaha. Nilai preferensi 3 rangking teratas adalah yang direkomendasikan. Tabel 14. Hasil Akhir Alternatif
Preferensi
Rangking
Nama Wirausaha
A7
0.8980
1
Usaha Perdangangan
A9
0.7365
2
Usaha Jasa Perorangan
A5
0.5604
3
Usaha Pubrikasi
A1
0.4667
4
Usaha Pertanian
A12
0.4504
5
Usaha Multimedia dan TI
A6
0.4473
6
Usaha Konstruksi
A3
0.4158
7
Usaha Perikanan
A2
0.3851
8
Usaha Peternakan
A10
0.3444
9
Usaha Jasa-jasa Umum
A4
0.3370
10
Usaha Pertambangan
A11
0.2851
11
Usaha Jasa Wisata
A8
0.2421
12
Usaha Jasa Keuangan
5. PENGUJIAN 5.1 Pengujian Kesesuaian Uji kesesuaian pada pembahasan ini adalah membandingkan hasil dari sistem dengan data aktual pilihan prioritas wirausaha dari user. Tujuannya adalah untuk mengetahui tingkat akurasi dari hasil sistem dengan prioritas user. Data yang digunakan berjumlah 100 data. Terdapat dua pengujian kesesuaian atau tingkat akurasi, yaitu tingkat akurasi setiap data sampel dan tingkat akurasi total. Tabel 15 merupakan 3 contoh user dengan pilihan prioritas wirausahanya dan hasil rekomendasi sistem. Pada hasil rekomendasi sistem dari Tabel 15, menggunakan skala prioritas kriteria dari user.
Fakultas Ilmu Komputer, Universitas Brawijaya
Rangking 1
Rangking 2
Rangking 3
User01
Usaha Perdagangan
Usaha Pertanian
Usaha Jasa Perorangan
User02
Usaha Konstruksi
Usaha Pubrikasi
Usaha Pertambangan
User03
Usaha Pubrikasi
Usaha Konstruksi
Usaha Perdagangan
Hasil dari tingkat akurasi sampel contoh pada padel diatas sebagai berikut: Akurasi Sampel
jumlah prioritas sesuai x 100% 3
2 x 100% 66.66% 3 Pada user-01 terdapat 2 pilihan sesuai dari hasil rekomendasi sistem maka sudah sesuai. 0 Akurasi sampel User-02 = x 100% 0% 3 Pada user-02 tidak ada pilihan yan sesuai dari hasil rekomendasi sistem maka tidak sesuai.
Akurasi sampel User-01 =
Akurasi sampel User-03 = 1 x 100% 33.33% 3
Pada user-03 terdapat 1 pilihan sesuai dari hasil rekomendasi maka sudah sesuai. Hasil dari tingkat akurasi total dengan minimal 1 pilihan sesuai dari 100 data user sebagi berikut: jumlah data sesuai x 100% jumlah sampel Tingkat Akurasi Total 83 x100% 83 % 100 Akurasi Total
5.2 Pengujian Terhadap Perbandingan Berpasangan
Matriks
Pada pengujian ini, terdapat dua pengujian untuk pengujian matriks perbandingan berpasangan yaitu pengujian matriks perbandingan berpasangan untuk kriteria dan pengujian matriks perbandingan berpasangan untuk sub kriteria.
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Tabel 16. Pengujian Akurasi Data Matriks Perbandingan Berpasangan Kriteria Data Nilai Skala Prioritas Kriteria Berdasaran Skala Saaty Variasi Skala Priorita s
Tingk at Akura si
Potensi Pasar
Jenis Produ k
Analisi s Peluan g Usaha
Konsist ensi
5
7
1
3
0.0654
33.33 %
2
5
4
5
3
0.0045
100%
3
7
3
5
3
0.0260
0%
4
8
4
3
7
0.0329
0%
0.0654
33.33 %
Keminatan berwirausa ha
1
5
7
9
3
5
6
3
7
5
2
0.0450
66.66 %
7
1
2
2
6
0.0206
100%
8
7
7
6
6
0
0%
9
5
10
9
7
7
8
3
9
9
0.0654 0.0045
66.66 % 100%
Tingkat Akurasi
Pada tabel diatas menggunakan salah satu sampel data user untuk dilakukan pengujian perbandingan berpasangan dengan 10 variasi yang berbeda. Highlight berwarna kuning merupakan skala prioritas dari pakar dan berwarna biru skala prioritas dari random dengan hasil tingkat akurasi sampel yang maksimal. Pada hasil pengujian ini, diambil skala prioritas variasi ke-2 untuk gunakan pada pengujian perbadningan berpasangan pada subkriteria.
100% 33,33%
1
100% 100% 66,66% 66,66% 33,33% 0% 0% 0%
2
3
4
5
6
7
8
9
10
Variasi
Gambar 5. Grafik Pengujian Akurasi Perbandingan Berpasangan Kriteria Tabel 16. Pengujian Akurasi Data Matriks Perbandingan Berpasangan Sub Kriteria Potensi Pasar dengan Skala Prioritas Kriteria dari Pakar Variasi Skala Prioritas
Data Nilai Skala Prioritas Sub Kriteria Potensi Pasar Berdasaran Skala Saaty Konsistensi
Ting kat Akur asi
Pendekatan Permintaan
Pendekatan Penawaran
Membatasi Jangkauan Pasar
1
3
1
1
0
33.3 3%
2
7
6
5
0.0096
0%
3
1
5
1
0
0%
4
5
1
5
0
0%
5
7
7
7
0
0%
Fakultas Ilmu Komputer, Universitas Brawijaya
1212
Pada highlight berwarna oranye menggunakan skala prioritas sub kriteria potensi pasar dari pakar yang menghasilkan tingkat akurasi terbaik, dengan menggunakan skala priortias kriteria dari pakar. Selanjutnya jika menggunakan skala prioritas variasi ke-2 maka didapatkan hasil pada Tabel 17 berikut. Tabel 17. Pengujian Akurasi Data Matriks Perbandingan Berpasangan Sub Kriteria Potensi Pasar dengan Skala Prioritas Kriteria Variasi ke-2 Variasi Nilai Bobot
Data Nilai Skala Prioritas Sub Kriteria Potensi Pasar Berdasaran Skala Saaty Konsistensi
Tingkat Akurasi
1
0
100%
5
0.0096
100%
5
1
0
100%
5
1
5
0
100%
7
7
7
0
100%
Pendekatan Permintaan
Pendekatan Penawaran
Membatasi Jangkauan Pasar
1
3
1
2
7
6
3
1
4 5
Pada highlight berwarna highlight warna hijau merupakan nilai skala prioritas sub kriteria potensi pasar dari pakar yang sekaligus mendapatkan tingkat akurasi terbaik yaitu variasi ke-1. Selain dari variasi ke-1 juga mendapatkan tingkat akurasi maksimal, akan tetapi disini diambil variasi ke-1 sebagai hasil pengujian terbaik. Tahap pengujian akurasi matriks perbandingan berpasangan sub kriteria analisis peluang usaha sama halnya seperti pengujian sub kriteria potensi pasar. 5.3 Pengujian Fungsi Skala Prioritas Pada Metode TOPSIS Pada pengujian yang terakhir adalah pengujian fungsi skala prioritas pada metode TOPSIS. Tujuan dari pengujian ini adalah untuk mengetahui pada sistem yang dibuat mengenai prioritas atau tidak diprioritaskan berpengaruh pada perhitungan metode TOPSIS. Skenario yang dilakukan adalah menggunakan inputan skala prioritas dari pakar terhadap setiap data user. Menggunakan 100 data aktual user dan digunakan kriteria yang dipilih yaitu yang diprioritaskan adalah potensi pasar dan yang tidak dipiroitaskan adalah jenis produk yang sesuai dengan skala priortias pakar. Dengan menggunakan skala prioritas dari pakar tersebut untuk semua data user, maka didapatkan 69 data user yang sesuai dengan minimal satu pilihan dari 100 data, dengan
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
tingkat akurasi total sebesar 69%. Tingkat Akurasi Total
69 x 100% 69 % 100
1213
skala prioritas sub kriteria dari pakar yaitu pada pengujian terhadap matriks perbandingan berpasangan sub kriteria potensi pasar dan juga pada pengujian terhadap matriks perbandingan berpasangan sub kriteria analisis peluang usaha.
6. PEMBAHASAN Pengujian kesesuaian didapatkan tingkat akurasi total dengan data sampel yang sesuai yaitu sebesar 83% dari 100 data user, nilai tersebut sudah cukup tinggi untuk pengujian kesesuaian hasil dari pengujian sistem terhadap data aktual user. Sedangkan untuk hasil pengujian fungsi skala prioritas pada metode TOPSIS dengan menggunakan skala prioritas dari pakar terhadap 100 data user didapatkan tingkat akurasi sebesar 69%. Dapat dilihat bahwa dari hasil pengujian fungsi skala prioritas pada metode TOPSIS dengan diprioritaskan ataupun tidak diprioritaskannya suatu kriteria berpengaruh terhadap tingkat akurasi. Hasil pengujian tingkat akurasi dari skala prioritas user lebih besar dari hasil pengujian tingkat akurasi dari skala priroritas pakar. Hal tersebut terjadi dikarenakan prioritas dan tidak diprioritaskannya kriteria berpengaruh, seperti yang dilihat pada pengujian fungsi skala prioritas pada metode TOPSIS. Pada skala prioritas kriteria oleh masukkan user pada metode AHP mempengaruhi masukkan data user untuk perhitungan TOPSIS, karena perhitungan pada metode TOPSIS menggunakan bobot kriteria dari hasil perhitungan AHP. Sedangkan untuk skala prioritas oleh pakar yang menghasilkan bobot kriteria, bobot kriteria yang tetap tersebut samasama digunakan oleh 100 data user. Oleh karena itu dari 100 data user yang berbeda-beda tersebut menghasilkan tingkat akurasi yang lebih rendah dari pada skala prioritas dari user itu sendiri. Pada pengujian terhadap matriks perbandingan berpasangan kriteria didapat kesesuaian dengan tingkat akurasi 100% sebanyak 3 variasi dari 10 variasi skala prioritas untuk salah satu sampel user, jika dibandingkan dengan skala prioritas kriteria dari pakar mendapatkan tingkat akurasi 33.33%. Pada variasi ke-2 dengan tingkat akurasi 100% dari hasil pengujian terhadap matriks perbandingan berpasangan kriteria yang digunakan untuk pengujian terhadap matriks perbandingan berpasangan sub kriteria. Didapatkan hasil pengujian yang maksimal pada variasi ke-1 atau Fakultas Ilmu Komputer, Universitas Brawijaya
7. KESIMPULAN DAN SARAN 7.1 Kesimpulan 1. Metode AHP-TOPSIS dapat diterapkan pada sistem pendukung keputusan untuk rekomendasi wirausaha, dengan beberapa langkah pada perancangannya. a. Menganalisis kebutuhan-kebutuhan dari sistem yang akan dibuat. b. Merancang sistem pendukung keputusan dengan menguraikan metode AHP dan metode TOPSIS pada alur sistem. Alur sistem pertama yaitu mencari bobot kriteria menggunakan metode AHP kemudian dilanjutkan alur sistem selanjutnya yaitu mencari nilai preferensi untuk perangkingan semua alternatif wirausaha untuk direkomendasikan kepada user. 2. Hasil pengujian pada penelitian ini mendapatkan tingkat akurasi total sebesar 83% dari 100 data aktual user dari hasil pengujian kesesuaian prioritas pilihan user, sedangkan hasil dari pengujian fungsi skala prioritas pada metode TOPSIS dengan menggunakan skala prioritas kriteria dari pakar didapatkan tingkat akurasi total sebesar 69% dari 100 data aktual user. Tingkat akurasi dari kedua pengujian tersebut terlihat sangat berbeda, kesesuaian prioritas pilihan user dengan skala prioritas kriteria dari user mendapatkan tingkat akurasi yang lebih tinggi. 7.2 Saran 1. Kriteria dan sub kriteria masih belum sepenuhnya sesuai dalam sistem pendukung keputusan untuk rekomendasi wirausaha, kriteria dan sub kriteria bisa lebih ditambahkan lagi untuk hasil yang lebih baik. 2. Alternatif wirausaha masih menggunakan jenis-jenis wirausaha yang mana masih belum terlalu spesifik. Oleh karena itu, bisa menggunakan alternatif dari wirausaha yang lebih banyak dan spesifik untuk ke depannya.
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
3. Evaluasi hasil perangkingan alternatif bisa menggunakan sepearman correlation untuk menghitung nilai akurasi sampel. DAFTAR PUSTAKA Firdaus, I. H. & Abdillah, G. & Renaldi, F. 2016. Sistem Pendukung Keputusan Penentuan Karyawan Terbaik Menggunakan Metode AHP dan TOPSIS. Seminar Nasional Teknologi Informasi dan Komunikasi 2016 (SENTIKA 2016). 18-19 Maret 2016, Yogyakarta, Indonesia. Maharani, S. & Hatta, H. R. & Merdiko, G. 2014. Decision Support System of Culinary Recommendations Using AHP and TOPSIS Methods with Map Visualization. Articles Of Bali International Seminar On Science And Technology (Bisstech) Ii 2014. 2-4 September, Bali, Indonesia. Mienyantono, 2013. Pengertian dan definisi wirausaha menurut para ahli. [online] Tersedia di :
. Özkan, B. & Başlıgil, H. & Özen, O. 2011. Choosing Concrete Production Facility Location Using AHP and TOPSIS Methodologies. 15th International Research/Expert Conference ”Trends in the Development of Machinery and Associated Technology”.12-18 September, Prague, Czech Republic. 27-32. Trianto, R. B. 2014. Penentuan Peminatan Peserta Didik Menggunakan Metode AHP-TOPSIS (Studi Kasus SMA Negeri 6 Semarang). Teknik Informatika Universitas Dian Nuswantoro Semarang, Semarang, Indonesia.
Fakultas Ilmu Komputer, Universitas Brawijaya
1214
