II-31

BAB II

LANDASAN TEORI

2.1. Penelitian Survei1

Penelitian survei ialah suatu penyelidikan yang dilakukan untuk

memperoleh fakta-fakta dari gejala yang ada dan mencari keterangan secara

faktual untuk mendapatkan kebenaran. Fink dan Kosecoff secara lebih tegas

mendefinisikan penelitian survei sebagai suatu metode pengumpulan data dan

informasi secara langsung dari orang-orang tertentu yang dijadikan objek

penelitian tentang perasaan, motivasi, rencana, keyakinan, personalitas,

pendidikan dan latar belakang finansial mereka tergantung dari sasaran penelitian.

Metode survei pada umumnya menggunakan instrumen kuesioner

(quesionnaire) yang diisi oleh para responden dari objek penelitian dengan

metode tertentu. Pengisian kuesioner dilakukan dengan atau tanpa bantuan

surveyor tergantung kebutuhannya. Metode pengumpulan data dan informasi

dalam survei juga sering menggunakan teknik wawancara baik dalam jarak dekat

ataupun jarak jauh. Beberapa sumber informasi lain yang juga tidak jarang

digunakan dalam penelitian survei ialah: observasi langsung terhadap objek, test

tertulis tentang kemampuan, pengetahuan, atau sikap dari objek, review terjhadap

catatan, dokumen diri tentang kesehatan, pendidikan objek dan lain-lain.

2.2. Teknik Sampling2

Untuk tahap pengumpulan data suatu penelitian, diperlukan proses

sampling terhadap data yang dibutuhkan. Terdapat dua metode teknik sampling

yang umum digunakandalam suatu penelitian, yaitu: metode probabilistik dan

metode non probabilistik.

Sebuah sampel harus dipilih sedemikian rupa sehingga setiap satuan

elementer mempunyai kesempatan dan peluang yang sama untuk dipilih dan

besarnya peluang itu tidak boleh sama dengan nol.1 Sukaria Sinulingga. Metode Penelitian (Medan: USU Press. 2009). hlm. 31-322Rosnani Ginting. Perancangan Produk(Yogyakarta: Graha Ilmu. 2010).hlm. 74-80

II-31

2.2.1. Non Probability Sampling

Adapun teknik non probability sampling terbagi atas 5 yaitu sebagai

berikut.

1. ConvinienceSampling

Pengambilan sampel dengan cara ini yaitu dengan cara mengambil anggota

populasi yang dianggap sudah mewakili populasi, misalkan akan dilakukan

penelitian terhadap mahasiswa tingkat persiapan yang memiliki bubuk A.

Disini akan diambil sampel dengan cara menutup mata dan kita panggil

mahasiswa yang akan ditanyai.

2. JudgementSampling

Untuk mengambil sampel dengan cara ini diperlukan tenaga ahli yang akan

menentukan anggota populasi yang akan menjadi anggota sampel. Misalnya

akan diadakan penelitian tentang penerimaan masyarakat terhadap suatu jenis

kosmetika. Para ahli biasanya mengambil segolongan orang yang selalu

memakai kosmetika, jadi tidak seluruh penduduk kota akan diambil sebagai

pilihan.

3. QuotaSampling

Pada quotasampling, sampel yang diambil adalah sekelompok anggota

populasi yang mempunyai karakteristik yang sama, misalnya akan melakukan

penelitian tentang masalah Keluarga Berencana (KB), maka dilakukan

pengelompokan golongan penduduk, misalnya penduduk suku Batak, Aceh,

Minang, dan sebagainya. Dari tiap golongan diambil dengan cara sebanding

dari jumlah keseluruhan.

4. SnowballSampling

Snowballsampling adalah teknik penentuan sampel yang mula-mula jumlahnya

kecil, kemudian membesar. Ibarat bola salju yang menggelinding yang lama-

lama menjadi membesar. Dalam penentuan sampel, pertama-tama dipilih satu

atau dua orang, kemudian dua orang ini disuruh memilih teman-temannya yang

dijadikan sampel. Begitu seterusnya, sehingga jumlah sampel semakin banyak.

II-31

2.2.2. ProbabilitySampling

Teknik probability sampling terbagi atas 3 yaitu sebagai berikut.

1. Simple Random Sampling

Sampel yang diambil secara random, yaitu setiap anggota populasi mempunyai

kesempatan yang sama untuk dipilih menjadi anggota sampel. Cara yang

umum dipakai adalah dengan menggunakan tabel random, atau dapat juga

dipergunakan secara undian.

2. Stratified Random Sampling

Teknik pengambilan sampel ini adalah teknik sampling dimana dapat diadakan

kelompok-kelompok atau tingkatan dari populasi yang akan kita ambil

sampelnya. Tiap-tiap tingkatan (strata) merupakan sub populasi. Pemisahan

dalam tiap tingkatan berdasarkan sifat yang sama dimasukkan ke dalam satu

tingkat. Kemudian dari setiap tingkatan itu diambil sampelnya dengan cara

randomsampling.

Jika populasi tidak homogen, dapat ditingkatkan (strata) yang masing- masing

homogen, amak dari tiap lapisan dapat diambil sampel secara acak. Syarat

pemakaian teknik pengambilan sampel secara stratified ini adalah:

1) Terdapat kriteria yang jelas untuk mebuat stratifiikasi populasi

2) Perlu ada data pendahuluan tentang populasi, tentang variabel yang

digunakan sebagai kriteria spesifikasi.

3) Perlu diketahui jumalh individu secara tepat pada tiap strata.

3. Cluster Sampliing

Pengambilan sampel dengan cara ini hampir sama dengan stratified random

sampling, bedanya pada clustersampling penentuan pengelompokan

berdasarkan geograpycal, misalnya atas dasar daerah. Kemudian dari tiap

sampel secara random dan dapat pula secara proporsional/ dilakukan

pengambilan sampel yang dibutuhkan.

Misalnya di Indonesia terdapat 34 propinsi dan sampelnya akan akan

menggunakan 10 propinsinya, maka pengambilan 10 propinsi itu bersih

dilakukan secara random. Tetapi perlu dingat, karena propinsi-propinsi di

II-31

Indonesia itu berstrata maka pengambilan sampelnya perlu menggunakan

stratifiedrandomsampling.

Teknik sampling daerah ini sering digunakan melalui 2 tahap yaitu tahap

pertama menentukan sampel daerah, dan tahap kedua menentukan orang-orang

yang ada pada daerah itu secara sampling itu juga.

2.3. Metode Penentuan Jumlah Sampel3

Pada dasarnya pengambilan jumlah sampel tergantung pada kondisi

populasinya. Apabila populasinya sangat homogen, maka pengambilan sampel

secukupnya saja. Akan tetapi apabila kondsi populasinya sangat heterogen, maka

pengambilan sampelnya harus memperhatikan bahwa tiap tingkatan populasi

harus terwakili.

Yang perlu diperhatikan bahwa pengambilan sampel harus melebihi

banyaknya variabel yang akan diukur pada populasi tersebut. Ada beberapa

macam cara untuk mengetahui ukuran sampel yang diambil sebagai perwakilan

dari suatu populasi.

a. Pendapat Slovin

Menurut Slovin, jumlah sampel yang dapat diambil adalah:

Dengan n adalah ukuran sampel, N ukuran populasi dan e adalah persen

kelonggaran ketidaktelitian karena kesalahan pengambilan sampel yang masih

dapat ditolerir, biasanya 0,02.

b. Pendapat Gay

Menurut Gay, ukuran minimum sampel dapat diterima berdasarkan pada desain

penelitian yang digunakan adalah sebagai berikut.

1. Untuk metode deskriptif minimal 10% populasi, untuk populasi yang relatif

kecil minimum 20%.

2. Metode deskriptif-korelasional, minimal 30 subyek

3. Metode ex post facto, minimal 15 subyek per kelompok

3Rosnani Ginting, 2009, Perancangan Produk. Yogyakarta: Graha Ilmu. Hal: 79-80.

II-31

4. Metode eksperimental, minimal 15 subyek per kelompok

c. Cara Interval Taksiran

Jumlah sampel yang dapat diambil dengan cara interval taksiran adalah:

n = dengan

2.4. Dasar-Dasar AHP4

Metoda Analytical Hierrchy Process (AHP) dekembangkan oleh Prof.

Thomas Lorie Saaty dari Wharton Business School di awal tahun 1970, yang

digunakan untuk mencari rangking atau urutan prioritas dari berbagai alternatif

dalam pemecahan suatu permasalahan.

Metode ini adalah sebuah kerangka untuk mengambil keputusan dengan

efektif atas persoalan dengan menyederhanakan dan mempercepat proses

pengambilan keputusan dengan memecahkan persoalan tersebut kedalam bagian-

bagiannya, menata bagian atau variabel ini dalam suatu susunan hirarki, memberi

nilai numerik pada pertimbangan subjektif tentang pentingnya tiap variabel dan

mensintesis berbagai pertimbangan ini untuk menetapkan variabel yang mana

yang memiliki prioritas paling tinggi dan bertindak untuk mempengaruhi hasil

pada situasi tersebut.

Analytic Hierarchy Process (AHP) dapat menyederhanakan masalah

yang kompleks dan tidak terstruktur, strategik dan dinamik menjadi bagiannya,

serta menjadikan variabel dalam suatu hirarki (tingkatan). Masalah yang

kompleks dapat diartikan bahwa kriteria dari suatu masalah yang begitu banyak

(multikriteria), struktur masalah yang belum jelas, ketidakpastian pendapat dari

pengambil keputusan, pengambil keputusan lebih dari satu orang, serta

ketidakakuratan data yang tersedia.

Metode AHP ini membantu memecahkan persoalan yang kompleks

dengan menstruktur suatu hirarki kriteria, pihak yang berkepentingan, hasil dan

4 Johanes Sinaga.2010.Penerapan Analytical Hierarchy Process (AHP) Dalam Pemilihan Perusahaan Badan Usaha Milik Negara (BUMN) Sebagai Tempat Kerja Mahasiswa Universitas Sumatera Utara.Diakses pada tanggal 19 Maret 2015, pukul 20.00 WIB.

II-31

dengan menarik berbagai pertimbangan guna mengembangkan bobot atau

prioritas. Metode ini juga menggabungkan kekuatan dari perasaan dan logika yang

bersangkutan pada berbagai persoalan, lalu mensintesis berbagai pertimbangan

yang beragam menjadi hasil yang cocok dengan perkiraan kita secara intuitif

sebagaimana yang dipresentasikan pada pertimbangan yang telah dibuat. Selain

itu AHP juga memiliki perhatian khusus tentang penyimpangan dari konsistensi,

pengukuran dan ketergantungan di dalam dan di luar kelompok elemen

strukturnya.

Dalam menyelesaikan persoalan dengan metode Analytic Hierarchy

Process (AHP) ada beberapa prinsip dasar yang harus dipahami antara lain:

2.4.1. Decomposition

Pengertian decomposition adalah memecahkan atau membagi problema

yang utuh menjadi unsur–unsurnya ke bentuk hirarki proses pengambilan

keputusan, dimana setiap unsur atau elemen saling berhubungan. Untuk

mendapatkan hasil yang akurat, pemecahan dilakukan terhadap unsur–unsur

sampai tidak mungkin dilakukan pemecahan lebih lanjut, sehingga didapatkan

beberapa tingkatan dari persoalan yang hendak dipecahkan. Struktur hirarki

keputusan tersebut dapat dikategorikan sebagai complete dan incomplete. Suatu

hirarki keputusan disebut complete jika semua elemen pada suatu tingkat memiliki

hubungan terhadap semua elemen yang ada pada tingkat berikutnya, sementara

hirarki keputusan incomplete kebalikan dari hirarki yang complete yakni tidak

semua unsur pada masing-masing jenjang mempunyai hubungan (lihat gambar

2.1 dan 2.2). Pada umumnya problem nyata mempunyai karakteristik struktur

yang incomplete. Bentuk struktur decomposition yakni :

Tingkat pertama : Tujuan keputusan (Goal)

Tingkata kedua : Kriteria – kriteria

Tingkat ketiga : Alternatif – alternatif

II-31

Gambar 2.1. Struktur Hirarki yang Complete

Gambar 2.2. Struktur Hirarki yang Incomplete

Hirarki masalah disusun untuk membantu proses pengambilan keputusan

dengan memperhatikan seluruh elemen keputusan yang terlibat dalam sistem.

Sebagian besar masalah menjadi sulit untuk diselesaikan karena proses

pemecahannya dilakukan tanpa memandang masalah sebagai suatu sistem dengan

suatu struktur tertentu.

2.4.2. Comparative Judgement

Comparative Judgement dilakukan dengan penilaian tentang kepentingan

relatif dua elemen pada suatu tingkat tertentu dalam kaitannya dengan tingkatan

di atasnya. Penilaian ini merupakan inti dari AHP karena akan berpengaruh

terhadap urutan prioritas dari elemen–elemennya. Hasil dari penilaian ini lebih

mudah disajikan dalam bentuk matrix pairwise comparisons yaitu matriks

perbandingan berpasangan memuat tingkat preferensi beberapa alternatif untuk

tiap kriteria. Skala preferensi yang digunakan yaitu skala 1 yang menunjukkan

tingkat yang paling rendah (equal importance) sampai dengan skala 9 yang

II-31

menunjukkan tingkatan yang paling tinggi (extreme importance). Contoh dari

comparative judgement adalah dapat dilihat pada table 2.1.

Tabel 2.1.Perbandingan Berpasangan Antara Jasa Terhadap Unsur

Ketersediaan dan Kelengkapan MenuUnsur Penilaian Unsur

Kebersihan ruangan 9 8 7 6 5 4 3 2 1 2 3 4 5 6 7 8 9Ketersediaan dan

kelengkapan menu

Kebersihan

Ruangan9 8 7 6 5 4 3 2 1 2 3 4 5 6 7 8 9

Ketersediaan tempat cuci

tangan

Ketersediaan dan

kelengkapan menu9 8 7 6 5 4 3 2 1 2 3 4 5 6 7 8 9

Ketersediaan tempat cuci

tangan

Keterangan:

1 : Sama pentingnya

3 : Sedikit lebih penting

5 : Lebih penting daripada

7 : Jauh lebih penting

2.4.3. Synthesis of Priority

Synthesis of Priority dilakukan dengan menggunakan eigen vector

method untuk mendapatkan bobot relatif bagi unsur – unsur pengambilan

keputusan.

2.4.4. Logical Consistency

Logical Consistency merupakan karakteristik penting AHP. Hal ini

dicapai dengan mengagresikan seluruh eigen vektor yang diperoleh dari berbagai

tingkatan hirarki dan selanjutnya diperoleh suatu vektor composite tertimbang

yang menghasilkan urutan pengambilan keputusan.

Rumus hitung consistency index:

Dimana

II-31

n = banyaknya elemen

= nilai eigen terbesar dari matriks berordo n

CI = indeks konsistensi

Rumus hitung rasio konsistensi/Consistency Ratio (CR) dg rumus:

CR = CI/RC

Dimana

CR = consistency ratio

CI = consistency index

IR = index random consistency

2.5. Konsistensi Hierarki5

Hubungan preferensi yang dilakukan pada dua elemen tidak mempunyai

masalah konsistensi relasi. Bila elemen α1 adalah dua kali lebih penting dari

elemen α2, maka elemen α2 adalah ½ kali pentingnya dari elemen α1. Tetapi

konsistensi seperti itu tidak selalu berlaku apabila terdapat banyak elemen yang

harus dibandingkan. Karena keterbatasan kemampuan numerik manusia, maka

prioritas yang diberikan untuk sekumpulan elemen tidaklah selalu konsisten

secara logis. Hal ini berkaitan dengan penerapan AHP, yaitu bahwa penilaian

dalam AHP dilakukan berdasarkan pengalaman dan pemahaman yang bersifat

kualitatif dan kuantitatif. Sehingga secara numerik, terdapat kemungkinan suatu

rangkaian penilaian untuk menyimpang dari konsistensi logis.

Hasil penelitian suatu matriks perbandingan dalam pengolahan AHP

adalah konsisten apabila nilai rasio konsistensi (CR) tidak lebih dari 0.10. Apabila

CR ≤ 0.10, maka hasil penilaian dapat diterima atau dipertanggungjawabkan. Jika

tidak, maka pengambil keputusan harus meninjau ulang masalah dan merevisi

matriks perbandingan berpasangan.

Pengujian pada persamaan satu dilakukan untuk matriks perbandingan

yang didapatkan dari partisipan. Pengujian harus pula dilakukan untuk hirarki.

Prinsipnya adalah dengan mengalikan semua nilai CI dengan bobot suatu kriteria

5 Anonim, “BAB II”, diakses dari http://elib.unikom.ac.id/files/disk1/531/jbptunikompp-gdl-lismonoang-26519-6-bab2.pdf. Pada Tanggal 19 Maret 2015. Pukul 21.10 WIB, hlm. 29-32.

II-31

yang menjadi acuan pada suatu matriks perbandingan berpasangan dan kemudian

menjumlahkannya. Jumlah tersebut kemudian dibandingkan dengan nilai yang

diperoleh dengan cara yang sama tetapi untuk suatu matriks random. Hasil

akhirnya berupa suatu parameter yang disebut dengan Consistency Ratio

Hierarchy (CRH).

Secara rinci, prosedur perhitungan dapat diuraikan dengan langkah-

langkah berikut:

1. Perbandingan antar elemen yang dilakukan untuk seluruh hirarki akan

menghasilkan beberapa matriks berpasangan. Setiap matriks akan

mempunyai beberapa hal berikut:

a. Suatu kriteria yang menjadi acuan perbandingan antara kriteria pada

tingkat hirarki dibawahnya.

b. Nilai bobot untuk kriteria acuan tersebut, relatif terhadap kriteria di tingkat

lebih tinggi.

c. Nilai CI untuk matriks perbandingan untuk matriks tersebut

d. Nilai RI untuk matriks perbandingan untuk matriks tersebut

2. Untuk setiap matriks perbandingan, kalikan nilai CI dengan bobot kriteria

acuan. Jumlahkan semua hasil perkalian tersebut, maka didapatkan

Consistency Index of Hierarchy (CIH).

3. Untuk setiap matriks perbandingan, kalikan nilai CI dengan bobot kriteria

acuan. Jumlahkan semua hasil perkalian tersebut, maka didapatkan Random

Index of Hierarchy (RIH).

4. Nilai CRH diperoleh dengan membagi CIH dengan RIH. Sama halnya dengan

konsistensi matriks perbandingan berpasangan, suatu hirarki disebut

konsisten apabila nilai CRH tidak lebih dari 0.10.

2.6. AHP dalam Kelompok6

6 Agus Riyanto, I Made Aryantha Anthara. 2008. “Penentuan Prioritas Untuk Pemilihan Komponen Gravel Pump Menggunakan Analytic Hierarchy Process”, Diakses Dari http://Journal.Uii.Ac.Id/Index.Php/Snati/Article/View/173/164, Pada Tanggal 19 Maret 2015 Pukul 21.42 WIB, hlm. A-3.

II-31

Analytic Hierarchy Process (AHP) juga dapat digunakan dalam suatu

kelompok. Sumbang saran dan saling berbagi ide dan wawasan sering

menghasilkan pengertian dan pemahaman yang lebih baik tentang masalah,

ketimbang pada seorang pengambil keputusan tunggal. Tetapi idealnya kelompok

itu kecil dan para pesertanya memiliki informasi yang baik, bermotivasi tinggi,

dan sepakat mengenai pertanyaan dasar yang sedang digarap.

Dengan menggunakan model ini dalam suatu pertemuan kelompok,

anggota kelompok menstruktur persoalannya, memberi penilaian (pertimbangan),

memperdebatkan penilaian itu dan memberi argumentasi untuk nilai-nilai tertentu

sampai tercapai konsesus atau kompromi.

Perdebatan boleh ditiadakan dan pendapat perseorangan diambil melalui

kuesioner yang disebarkan kepada tiap-tiap anggota sebagai responden. Nilai

akhirnya diperoleh dari rata-rata geometrik penilaian (geometric mean). Untuk

menghitung rata-rata geometrik, nilai harusdikalikan, dan dari hasil ini ditarik

akar pangkat bilangan yang sama dengan jumlah orang yang memberi penilaian

itu.

dimana :

G = rata-rata geometrik

X1,X2,…..,Xn = penilaian ke 1,2,3,…,n

n = banyaknya penilaian

2.7. Analisis Tingkat Kerusakan Pasar Market Damage Analysis (MDA)7

Akibat ketidakpuasan yang dirasakan oleh pelanggan akan menimbulkan

kerusakan pasar atau Damage Market. Untuk itu maka dilakukan analisis sejauh

mana pasar yang ada mengalami kerusakan melalui analisis tingkat kerusakan

pasar (Market Damage Analysis). MDA mengelompokkan responden dalam

empat kategori yaitu:

1. No action respondent

7 Caroline Emeninta Purba. Analisis Tingkat Kerusakan Pasar. Diakses dari http://ml.scribd.com/doc/88633820/Bab-II. Pada tanggal 19 Maret, pukul 21.52.

II-31

Yaitu responden yang menyampaikan keluhan yang dirasakannya terhadap

suatu produk atau jasa kepada perusahaan yang bersangkutan, namun

keluhannya tersebut tidak ditanggapi.

2. Action Respondent

Yaitu responden yang menyampaikan keluhan yang dirasakannya terhadap

produk atau jasa kepada perusahaan yang bersangkutan, namun keluhan

tersebut ditanggapi.

3. No complain respondent

Yaitu responden mempunyai masalah tetapi tidak mengajukan complain.

4. Hazel free (no problem respondent)

Yaitu responden yang tidak punya masalah. Dalam melakukan analisis

tingkat kerusakan pasar atau MDA, dapat ditentukan oleh switching index dan

satisfaction index.

a. Switching Index

Pelanggan yang puas maupun tidak puas dianalisis keinginannya

berpindah ke pesaing, yang diukur dengn switching index (Swi)

merupakan gambaran besar probabilitas pelanggan yang ingin pindah ke

pesaing. Swi memiliki nilai antara 0 sampai 1.

Nilai 0,0 : responden tetap setia.

Nilai 0,5 : responden mungkin berpindah ke pesaing

Nilai 1,0 : responden pasti pindah ke pesaing.

b. Satisfaction Index

Tingkat kepuasan pelanggan pada masing-masing jenis perilaku

(pengelompokkan MDA) diukur dengan satisfaction index (SI). SI

dihitung dengan cara meminta responden untuk memilih salah satu dari

lima skala Likert yang telah ditentukan terlebih dahulu yang

menggambarkan tingkat kepuasan mereka terhadap pelayanan yang

diberikan. Skala likert yang digunakan sebagai berikut:

1. Sangat tidak puas

2. Tidak puas

3. Cukup

II-31

4. Puas

5. Sangat puas

2.8. Methode of Successive Interval8

Sektor jasa yang menghasilkan produk berupa pelayanan memiliki sifat

yang khas, maka penggunaan teknik manajemenkualitas standar tidaklah sesuai

karena sifatnya yang khas tersebut, beberapa peneliti dan akademisi

mengembangkanbeberapa metode untuk menemukan, mengukur, dan menganalisa

determinan dari kualitas pelayanan. Kualitas pelayananperlu diukur setidaknya

karena tiga alasan, yaitu:

1. Hasil pengukuran dapat digunakan untuk melakukan perbandingan

antarasebelum dan sesudah terjadinya perubahan pada suatu organisasi

2. Pengukuran diperlukan untuk menemukan letak permasalahan yang terkait

dengan kualitas

3. Hasil pengukuran diperlukan untuk menetapkan standar pelayanan kualitas

Metode servqual merupakan metode pengukuran kualitas pelayanan yang

paling banyak digunakan karena frekuensi penggunaannya yang tinggi.

Disamping itu, metode servqual dipandang memenuhi syarat validitas secara

statistik.

Metode servqual terdiri atas lima dimensi kualitas pelayanan, yaitu:

1. Tangibles (bukti terukur), menggambarkan fasilitas fisik, perlengkapan,dan

tampilan dari personalia serta kehadiran para pengguna.

2. Reliability (keandalan), merujuk kepada kemampuan untuk memberikan

pelayanan yang dijanjikan secara akurat dan handal.

3. Responsiveness (daya tanggap), yaitu kesediaan untuk membantu pelanggan

serta memberikan perhatian yang tepat.

4. Assurance (jaminan), merupakan karyawan yang sopan dan berpengetahuan

luas yang memberikan rasa percaya serta keyakinan.

8 Joko Mul, “Metode Servqual”. Diakses dari www.scribd.com/doc/84307846/Metode-Servqual. Pada Tanggal 19 Maret 2015. Pukul 21.20 WIB

II-31

5. Empathy (empati), mencakup kepedulian serta perhatian individual kepada

para pengguna.

2.9. Model Kano9

Model Kano merupakan suatu model yang bertujuan mengkategorikan

atribut-atribut dari produk atau jasa berdasarkan seberapa baik produk/jasa

tersebut mampu memuaskan kebutuhan pelanggan. Model ini dikembangkan oleh

Profesor Noriaki Kano dari Universitas Tokyo Rika (Kano, 1985). Profesor

Noriaki Kano bekerjasama dengan para mahasiswanya memunculkan beberapa

ide yang menjadi cikal bakalnya Pengukuran Kepuasan Pelanggan , ide-ide

tersebut dapat dirangkum sebagai berikut :

a. Ide/permintaan mengenai kualitas yang tidak dapat dilihat bisa dibuat dapat

melihat. Para pelanggan biasanya memiliki ide/permintaan dan sukar untuk

dilihat. Namun ide-ide tersebut dapat dibuat menjadi jelas dengan

membuatnya menjadi sebuah struktur (diagram pohon) seperti terlihat pada

Gambar 2.3.

Gambar 2.3. Diagram Pohon dan Model Kano

2.10. Uji Validitas dan Reliabilitas

9 Tiena G. Amran, dan Ponti Ekadeputra2. 2010. Pengukuran Kepuasan Pelanggan Menggunakan Metode Kano Dan Root Cause Analysis (Studi Kasus Pln Tangerang).Jurnal Teknik Industri, Jakarta:Universitas Trisakti. Diakses pada 19 Maret 2015 Pukul 21.09 WIB, hlm. 160-161

II-31

2.10.1. Uji Validitas10

Validitas data ialah suatu ukuran yang mengacu kepada derajat kesesuaian

antara data yang dikumpulkan dan data sebenarnya dalam sumber data. Data yang

valid akan diperoleh apabila instrumen pengumpulan data juga valid.

Cara-cara yang umum digunakan untuk menguji validitas instrument ialah

melalui analisis korelasi (correlational analysis), analisis faktor (factor analysis)

dan multitrait. Analisis korelasi dilakukan dengan menggunakan rumus Korelasi

Product Moment yang dikembangkan oleh Pearson yaitu sebagai berikut:

Dimana:

rxy = koefisien korelasi antara X dan Y

Xi = skor variabel independen X

Yi = skor variabel independen Y

2.10.2. Uji Reliabilitas

Reliabilitas sebuah alat ukur berkenaan dengan derajad konsistensi dan

stabilitas data yang dihasilkan dari proses pengumpulan data dengan

menggunakan instrument tersebut. Ada dua ukuran yang sering digunakan untuk

mengetahui derajat reliabilitas atau kehandalan instrument pengumpulan data

yaitu stabilitas instrumen dan konsistensi internal konsumen.

Pengujian reliabilitas pada umumnya dikenakan untuk pengujian stabilitas

instrumen dan konsistensi internal instrumen. Beberapa metode pengujian

realibilitas instrument yang umum digunakan dalam penelitian yaitu:

1. Formula Spearman-Brown

Pengujian konsistensi instrumen dengan menggunakan formula Spearman-

Brown didasarkan pada metode split-half korelasi antar belaha pertama dan

kedua dihitung menggunakan formula sebagai berikut:10Sukaria Sinulingga, Metode Penelitian (Medan: USU Press, 2011).Hlm.226-251.

II-31

Dimana:

r11 : reliabilitas instrumen

rxy : indeks korelasi antar dua belah instrumen.

2. Formula Flanagan

Pengujian reliabilitas berdasarkan formula Flanagan juga menggunakan

analisis butir dan pendekatan split-half ganjil dan genap. Formula Flanagan

menggunakan variabel varians skor butir-butir belahan pertama (ganjil),

varians skor butir-butir belahan kedua (genap) dan varians skor total butir-butir

sebagai berikut:

Dimana:

r11 : reliabilitas instrumen

V1 : varians skor belahan pertama

V2 : varians skor belahan kedua

Vt : varians skor total.

3. Koefisien Alpha Cronbach

Berbeda dengan ukuran reliabilitas yang telah dibahas di atas dimana

instrument menggunakan skor 0 dan 1 untuk setiap butir pertanyaan , koefisien

Alpha Cronbach digunakan untuk mengukur reliabilitas instrumen yang

pertanyaan-pertanyaannya menggunakan skor dalam rentangan tertentu

misalnya antara 1 dan 5 atau antara 1 dan 10 dan sebagainya.Rumus yang

digunakan dalam menghitung koefisien Alpha Cronbach adalah sebagai

berikut:

Dimana :

II-31

r1 : reliabilitas instrumen (koefisien Alpha Cronbach)

k : jumlah butir pertanyaan dalam instrumen

: jumlah varians butir-butir pertanyaan

: varians total

2.11. Jurnal Internet : Penerapan Metode MCDM Dalam Evaluasi Dampak

Lingkungan

2.11.1. Pendahuluan

Makalah ini difokuskan pada evaluasi dampak lingkungan dalam

organisasi Percontohan menggunakan beberapa metode MCDM. Tujuan dari

penelitian ini adalah untuk menentukan objektivitas dan reliabilitas metode

MCDM untuk tujuan evaluasi pentingnya dampak lingkungan, yang dianggap

sebagai langkah penting dalam pelaksanaan standar ISO 14001 (Sistem

Manajemen Lingkungan). Untuk tujuan ini, beberapa metode AHP, AHP Entropi,

TOPSIS, Vikor dan Entropy Vikor telah digunakan di koran. Hasil analisis

komparatif ini dilakukan pada data konkret.

Standar ISO 14001 (Manajemen Lingkungan System) tidak mengusulkan

cara evaluasi aspek lingkungan dan dampak. Standar ini memungkinkan

organisasi untuk membuat individual metodologi mereka untuk aspek lingkungan

dan evaluasi dampak. Bahkan, standar ISO menunjukkan bahwa "Pentingnya

konsep yang relatif dan tidak dapat didefinisikan dalam istilah absolut". Gagasan

sebelumnya memungkinkan organisasi dengan kebebasan penuh mengenai

evaluasi. aspek lingkungan dan dampak. Namun demikian, pendekatan ini dapat

meningkatkan kreativitas dalam organisasi sekaligus menciptakan dasar untuk

manipulasi data yang tergantung pada Sistem Manajemen Lingkungan orientasi

organisasi. Mengingat pentingnya mengevaluasi dampak lingkungan terhadap

efektivitas dan efisiensi sistem manajemen lingkungan secara keseluruhan, kertas

mengeksplorasi kemungkinan penerapan metode MCDM untuk tujuan evaluasi

obyektif dan dapat diandalkan dampak lingkungan.

II-31

Multi Criteria Decision Making (MCDM) merupakan model matematika

yang digunakan untuk memecahkan masalah yang rumit termasuk berbagai

kriteria untuk setiap aspek dan memilih aspek terbaik. Ada banyak metode

MCDM seperti:

1. TOPSIS (Teknik untuk Orde Preferensi oleh Kesamaan ke Solution Ideal)

2. AHP (Analytical Hierarchy Process)

3. Vikor

4. Fuzzy Set Theory

5. WSM (Weighted Sum Model)

6. WPM (Weighted Product Model)

7. SAW (Simple Additive Weighting)

Mereka telah digunakan untuk memecahkan masalah dalam pemilihan robot,

menentukan penawar disesuaikan, memilih pemain CBA terbaik serta di bidang

pariwisata, manufaktur dan pasokan listrik. Bahkan FMEA (modus Kegagalan dan

analisis efek) dan FTA (Fault Tree Analysis), alat penilaian risiko yang paling

populer, dapat didasarkan pada kabur multi-kriteria pengambilan keputusan dan

digunakan untuk pernah mengakhiri peningkatan kualitas produk. Hal ini terutama

efisien bila hipotesis didukung oleh bukti-bukti eksperimental. Dalam semua

metodologi, ia mengungkapkan bahwa pentingnya atau prioritas bobot relatif

ditugaskan untuk kriteria evaluasi yang dianggap memiliki peran besar dalam

memperoleh peringkat akurat alternatif material. Namun, tidak jelas apa pengaruh

dari kriteria beban atau sejumlah kriteria dalam materi keputusan pemilihan

matriks pada keakuratan solusi dan kinerja peringkat metode MCDM yang dianut.

Oleh karena itu, juga telah menjadi praktek untuk menggunakan beberapa dari

mereka dalam memecahkan satu masalah sehingga untuk membandingkan hasil.

Biasanya tidak mudah untuk memverifikasi keabsahan hasil. Tentu saja, metode

yang memiliki dukungan perangkat lunak juga yang paling sering digunakan saat

ini.

2.11.2. Pengambilan keputusan dengan metode MCDM

II-31

Pengambilan keputusan dengan metode AHP. Makalah ini menekankan

Analytic Hierarchy Process (AHP), metode MCDM terkenal analisis ilmiah dan

pengambilan keputusan oleh kalibrasi hierarki yang elemen tujuan, kriteria, sub-

kriteria dan alternatif. AHP handal dan mudah digunakan untuk pekerjaan

pengambilan keputusan dan itulah sebabnya telah paling sering digunakan dan

paling populer di kalangan para ahli dan praktisi. AHP adalah metode multi

kriteria yang didasarkan pada disagregasi lebih masalah yang kompleks pada

beberapa tingkat hirarki dengan mendirikan tujuan di atas sebagai tingkat pertama.

Tingkat berikut ini kriteria dan sub-kriteria dan tingkat akhir merupakan alternatif.

Dasar-dasar hirarki AHP terdiri dari tiga tingkatan (tujuan, kriteria dan alternatif),

namun ada kemungkinan untuk lebih memisahkan struktur ini. Pendekatan ini

disagregasi bisa diwujudkan ketika tingkat yang diperlukan detail dicapai.

Gambar 1 (Jovanovic, 2009) merupakan empat tingkat hirarki AHP. Namun,

harus dipertimbangkan bahwa hal itu bisa menjadi kasus yang Gambar 1 tidak

hadir kemungkinan lengkap. Dengan kata lain, ada kemungkinan bahwa salah satu

kriteria tidak dalam umum untuk semua alternatif yang membagi hirarki ke dalam

sub-hirarki dengan tujuan yang sama (Gambar 1). Dalam pendekatan AHP,

Tujuan yang pertama kali didefinisikan dan kemudian kriteria, sub-kriteria dan

terakhir alternatif. Oleh karena itu, pendekatan untuk mendefinisikan masalah

adalah dari atas ke bawah (Up Bottom). AHP memungkinkan evaluasi tingkat di

kedua arah (Up Bottom) dan (Bottom Up), tetapi dalam praktek evaluasi dari atas,

yaitu evaluasi kriteria yang berhubungan dengan tujuan, sub-kriteria yang

berhubungan dengan kriteria, alternatif yang terkait dengan sub-kriteria. Hasil

akhir dari metode AHP adalah daftar signifikansi alternatif yang relevan terkait

dengan objektif. Perbandingan berpasangan diwujudkan dengan skala Saaty yang

disajikan pada Tabel 1 yang dianggap sebagai dasar untuk implementasi AHP.

II-31

Gambar 2.4 Sebuah Contoh Hierarki AHP

Tabel 2.2. Skala Perbandingan Saaty

Prosedur AHP itu sendiri didasarkan pada 6 langkah dasar (Saaty, 1994):

1. Definisi masalah dan jelas menetapkan tujuan dan alternatif yang mungkin

(solusi) dari masalah.

2. Dekomposisi masalah ke dalam struktur hirarki dengan kriteria yang

ditetapkan, sub-kriteria dan alternatif.

3. Perbandingan elemen dipasangkan dari tingkat yang sama dalam kaitannya

dengan unsur tingkat yang lebih tinggi.

4. Penentuan koefisien berat relatif unsur hirarki

5. Pengujian konsistensi evaluasi.

II-31

6. Sintesis bobot relatif pengambilan keputusan elemen untuk mendapatkan

evaluasi lengkap signifikansi alternatif (solusi).

Keuntungan utama dari pendekatan AHP adalah mengenai kemungkinan

bahwa selain dari pengambilan keputusan individu, memungkinkan pengambilan

keputusan kelompok yang lebih sering digunakan. Prosedur dijelaskan

sebelumnya yang terkait dengan pengambilan keputusan individu merupakan

dasar-dasar evaluasi kelompok di mana kita memiliki pembuat keputusan lebih

banyak dengan perbedaan mendasar tentang ringkasan hasil akhir. Pengambilan

keputusan individu juga sangat berguna untuk menurunkan daftar peringkat dan

memprioritaskan dan telah digunakan dalam

Struktur masalah evaluasi hirarki dampak lingkungan di evaluasi dilakukan

dengan menerapkan metode AHP, merupakan perbaikan tertentu dibandingkan

dengan metodologi matematika dari ISO 14001 organisasi yang disertifikasi.

Alasan untuk ini adalah karena ada tersebar luas dari model matematika untuk

pengambilan keputusan pada fakta yang verifikasi direalisasikan di seluruh dunia

dan tidak hanya pada tingkat lokal. Kriteria evaluasi dibandingkan dengan gol itu

dilakukan oleh saling perbandingan, sedangkan evaluasi dampak dibandingkan

dengan kriteria dilakukan dengan masukan langsung dari nilai-nilai dari skala 1

sampai 4. Setelah evaluasi semua tingkat hirarki, model memberikan daftar

signifikansi dampak lingkungan yang teridentifikasi.

II-31

Gambar 2.5. Model AHP untuk Evaluasi Dampak Lingkungan dalam

Contoh Organisasi

Evaluasi dilakukan dengan menerapkan metode AHP, merupakan

perbaikan tertentu dibandingkan dengan metodologi matematika dari ISO 14001

organisasi yang disertifikasi. Alasan untuk ini adalah karena ada tersebar luas dari

model matematika untuk pengambilan keputusan pada fakta yang verifikasi

direalisasikan di seluruh dunia dan tidak hanya pada tingkat lokal. Evaluasi

Kriteria dibandingkan dengan gol itu dilakukan oleh saling perbandingan,

sedangkan evaluasi dampak dibandingkan dengan kriteria dilakukan dengan

masukan langsung dari nilai-nilai dari skala 1 sampai 4. Setelah evaluasi semua

tingkat hirarki, model memberikan daftar signifikansi dampak lingkungan yang

teridentifikasi.

II-31

Gambar 2.6. Daftar Peringkat Dampak Lingkungan pada Metode AHP

Dengan cara ini maka sudah mendapat daftar peringkat semua dampak

lingkungan. Dengan bantuan dari daftar peringkat dampak lingkungan sangat

mudah untuk menentukan di mana perbatasan adalah, antara dampak lingkungan

yang signifikan dan tidak signifikan.

2.11.3. Pengambilan Keputusan dengan Metode TOPSIS

Teknik untuk Order of Preference by Similarity to Ideal Solution

umumnya dikenal sebagai TOPSIS. Ini adalah alat MCDM populer yang pada

awalnya dikembangkan oleh Hwang dan Yoon (1983), lebih ditingkatkan oleh

Yoon di (1987) dan Hwang et al. (1993). TOPSIS digunakan ketika pengguna

memilih teknik pembobotan sederhana seperti AHP . Telah diterima secara luas

metode dalam konteks MADM (Arnoosh et al., 2012). Menurut teknik ini,

alternatif terbaik akan menjadi salah satu yang terdekat dengan solusi ideal positif

dan terjauh dari solusi ideal negatif . Solusi ideal positif adalah solusi yang

memaksimalkan kriteria manfaat dan meminimalkan kriteria biaya, sedangkan

solusi ideal negatif memaksimalkan kriteria biaya dan meminimalkan manfaat

kriteria. Dengan kata lain, solusi ideal positif terdiri dari semua nilai terbaik

dicapai kriteria, sedangkan solusi ideal negatif terdiri dari semua nilai terburuk

dicapai kriteria. TOPSIS biasanya digunakan untuk memprioritaskan alternatif

melalui membandingkannya dengan yang terbaik dan solusi yang terburuk.

II-31

Kemungkinan menggabungkan faktor kualitatif dan kuantitatif adalah salah satu

manfaat dari teknik ini. Manfaat lain dari metode ini adalah kemampuan

memisahkan indikator dalam kategori biaya atau keuntungan. Dalam mengikuti

beberapa langkah akan disajikan metode TOPSIS. Terdapat enam langkah yang

terkait dengan pelaksanaan TOPSIS sebagai berikut,

1. TOPSIS adalah metode yang layak untuk masalah yang diusulkan dan cocok

untuk penggunaan peringkat kinerja yang tepat dilaksanakan TOPSIS untuk

prospek pasar gas alam grosir di negara-negara perjanjian masyarakat energi.

TOPSIS telah juga digunakan dalam layanan internet, misalnya Cheng et al.

(2011) menggunakan TOPSIS untuk layanan Web masalah pemilihan (Cheng

et al., 2011). Telah digunakan dalam banyak aplikasi teknologi informasi ilmu

pengetahuan dan rekayasa (Chang et al., 2010). Bahkan, telah digunakan paket

perangkat lunak Expert Choice untuk aplikasi metode AHP, kami

menggunakan Excel untuk aplikasi semua metode MCDM lainnya. Excel

biasanya digunakan untuk membuat perhitungan dan membuat grafik di mana

yang terakhir membuat analisis lebih mudah. Hasil evaluasi dampak

lingkungan menggunakan metode TOPSIS disajikan pada Gambar 2.7.

Tabel 2.3. Hasil dari Aplikasi Metode TOPSIS

II-31

Gambar 2.7. Hasil dari Aplikasi Metode TOPSIS

Seperti yang dilihat pada gambar 2.6, dampak yang paling penting adalah:

air sanitasi (kapal), energi panas dan limbah padat (kapal) yang sama seperti hasil

yang diperoleh dalam penerapan metode AHP. Pembahasan hasil disajikan dalam

bab terakhir setelah penerapan semua metode MCDM.

2.11.4. Pengambilan Keputusan Dengan Metode Vikor

Vikor berarti multi-kriteria optimasi dan solusi kompromi. Opricovic

(1998) memperkenalkan metode Vikor. Metode MCDM ini komprehensif dan

sederhana. Kinerja peringkat metode Vikor adalah lebih tinggi dari TOPSIS dan

PROMETHEE metode. Metode Vikor terutama didasarkan pada ukuran tertentu

kedekatan dengan solusi ideal dan berfokus pada memilih pilihan terbaik dari

serangkaian alternatif yang layak di hadapan kriteria yang saling bertentangan

dengan menentukan solusi kompromi. Metode Vikor menggunakan normalisasi

linear dan nilai normalisasi tidak tergantung pada unit evaluasi kriteria. Metode

Vikor mengintegrasikan utilitas kelompok maksimal dan minimal penyesalan

individu secara simultan (Chakrabortya dan Chatterjeeb, 2013). Hal ini juga

mengungkapkan bahwa di antara tiga metode MCDM dipertimbangkan, Vikor

melebihi yang lain karena keuntungan tak terbantahkan. Ada aplikasi khas metode

Vikor di berbagai bidang industri seperti evaluasi proyek pengembangan

II-31

perangkat lunak, pilihan mitra dalam IS / IT outsourcing proyek, identifikasi

risiko proyek dan prioritas, dan pemilihan lokasi pabrik. Hasil evaluasi dampak

lingkungan menggunakan metode Vikor disajikan pada gambar dibawah ini.

Tabel 2.4. Hasil dari Aplikasi Metode Vikor

Gambar 2.8. Hasil dari Aplikasi Metode Vikor

Seperti yang dilihat pada gambar diatas, air limbah berminyak adalah

dampak lingkungan yang paling penting dalam penerapan metode Vikor. Semua

dampak lingkungan lainnya memiliki makna yang lebih kecil maka yang pertama.

Baru-baru ini, Vikor telah banyak diterapkan untuk menangani masalah MCDM

dari berbagai bidang, seperti pemilihan lokasi, kebijakan lingkungan dan analisis

data envelopment. Reza Raei et al. (2012) menyimpulkan bahwa Vikor

memberikan hasil yang lebih baik daripada TOPSIS.

II-31

2.11.5. Metode Entropi dalam Metode MCDM

Entropi bobot adalah metode yang terdiri dari nilai-nilai monitoring indeks

evaluasi dalam kondisi objektif, dapat menentukan target dan tingkat ketertiban

dan efektivitas dengan mengacu evaluasi informasi Entropi yang menghindari

subjektivitas bobot berbagai kriteria, dan oleh karena itu hasil evaluasi dapat lebih

mampu mencerminkan keadaan yang sebenarnya. Shannon memperkenalkan teori

informasi Entropi, yang didasarkan pada prinsip termodinamika mana Entropi

adalah derajat gangguan molekul-molekul dalam zat untuk pertama kalinya yang

telah diterapkan sebagai ukuran gangguan, ketidakrataan distribusi, tingkat

ketergantungan atau kompleksitas sistem. Pembentukan berat dengan asumsi

bahwa ada benda evaluasi m, setiap objek yang dievaluasi dalam kriteria n,

matriks perbandingan.

Hal ini dicapai dengan menggunakan Entropi bobot dalam metode MCDM. Teori

Entropi telah digunakan dalam penekankan bahwa menggunakan Entropi

pengaruh faktor subjektif berkurang, yang mengarah ke hasil yang objektif.

2.11.6. Pengambilan Keputusan dengan Metode AHP Entropi

AHP adalah metode menundukkan pembobotan, menyusun analisis

kualitatif dan kuantitatif di mana kriteria bobot diasumsikan berdasarkan

pengalaman dan intuisi yang mengarah ke penyimpangan. Daftar peringkat

ditemukan dengan menggunakan bobot Entropi pada langkah akhir AHP.

Berdasarkan metode evaluasi gabungan, kertas mengevaluasi keamanan smart

grid dengan menggunakan metode AHP-Entropi yang menggabungkan bobot

subjektif dan objektif berat. Metode ini sederhana, praktis dan akurat. Telah

dianalisis empat wilayah untuk membuktikan bahwa hasil evaluasi sesuai dengan

situasi aktual di berbagai daerah. Oleh karena itu, pemecahkan masalah yang

sama dengan mengambil bobot dari metode Entropi dan menggunakannya dalam

langkah terakhir dari AHP untuk menentukan peringkat. Bahkan, digunakan paket

perangkat lunak Expert Choice untuk aplikasi metode AHP, digunakan Excel

untuk aplikasi metode AHP Entropi. Excel biasanya digunakan untuk membuat

perhitungan dan membuat grafik di mana yang terakhir membuat analisis lebih

II-31

mudah. Perbandingan matriks itu, karena itu digunakan di Excel bersama dengan

rumus untuk mencapai hasil yang diharapkan.

Tabel 2.5. Entropi dan Bobot Entropi

Dapat melihat dari angka 6 bahwa dalam metode Entropi Hi untuk

Volume Dampak, Power Dampak dan Probabilitas Dampak Penampilan

ditemukan 1,55, 1,65 dan 1,67 masing-masing. Entropi bobot W dihitung sebagai

0,29, 2,01 dan -0,50 masing-masing. Hal ini sangat penting untuk menyebutkan

bahwa data ini jelas berbeda dari bobot skala Saaty dalam metode AHP. Alasan

untuk itu adalah perbedaan antara metode evaluasi untuk dua metode ini.

Gambar 2.9. Daftar peringkat dampak lingkungan penting dengan metode

AHP Entropi

II-31

Tabel 2.6. Daftar Peringkat Dampak Lingkungan Penting dengan Metode

AHP Entropi

Pemeringkatan tampaknya sama di kedua metode - AHP dan AHP Entropi

kecuali bahwa jajaran Kimia (kapal) dan Kebisingan (kapal) yang dipertukarkan.

Dalam AHP Entropi, Kebisingan (kapal) menduduki peringkat keempat

sedangkan Kimia (kapal) yang kelima seperti AHP. Perbedaan ini terjadi karena di

AHP Entropi, bobot yang digunakan dalam langkah terakhir dari AHP dari

Entropi untuk mengurangi subjektivitas seperti AHP mana mereka berdasarkan

skala Saaty.

Prosedur yang sama dilakukan dengan TOPSIS dan metode Vikor dengan

tujuan untuk memperoleh hasil evaluasi dampak lingkungan menggunakan

TOPSIS-Entropi dan metode Vikor-Entropy.

2.11.7. Hasil Analisis Dampak Lingkungan Evaluasi Menggunakan Semua

Metode di Atas

Setelah penerapan semua metode MCDM yang paling sering digunakan

kami melakukan analisis komparatif hasil yang diperoleh. Pada tabel disajikan

hasil dampak evaluasi lingkungan menggunakan AHP, Vikor dan metode TOPSIS

serta metode Entropi mereka.

II-31

Tabel 2.7. Analisis Balik Perbandingan Metode MCDM untuk Evaluasi

Dampak Lingkungan

Menganalisis Angka 7 dan 8, kita mengamati bahwa peringkat dari

dampak terhadap lingkungan yang diperoleh dengan menerapkan metode AHP,

AHP Entropi dan metode Vikor sangat mirip. Selain itu, kita mengamati

penyimpangan besar dibandingkan dengan Vikor Entropi, TOPSIS dan TOPSIS

Entropi metode. Namun, hasil yang diperoleh dengan menerapkan metode Vikor

Entropi lebih dekat dengan hasil yang diperoleh dengan menerapkan AHP, AHP

Entropi dan metode Vikor kemudian TOPSIS dan TOPSIS Entropi metode. Dalam

tulisan (Fragassa, 2010), data yang sama yang digunakan untuk memverifikasi

hasil yang diperoleh dengan menerapkan metode AHP model berdasarkan

II-31

jaringan saraf. Dengan demikian kita memperoleh hasil yang kompatibel dengan

hasil yang disediakan oleh model AHP. Selain itu, dengan menganalisis semua

dampak terhadap lingkungan, itu menegaskan bahwa hasil yang diberikan oleh

metode AHP yang realistis dan sesuai dengan situasi di organisasi yang diamati.

Sebagai 3 dari 6 metode telah memberikan hasil yang dikonfirmasi oleh model

berdasarkan jaringan saraf di koran (Fragassa, 2010), hipotesis bahwa metode

MCDM yang realible dan tujuan untuk evaluasi dampak lingkungan dapat

dikonfirmasi. Selain itu, memiliki diingat bahwa hasil dari semua metode MCDM

berlaku tidak sepenuhnya sesuai dengan satu sama lain, menegaskan fakta bahwa

dalam memecahkan beberapa masalah di mana kita bisa tepat menentukan

keakuratan hasil akhir perlu menggunakan beberapa metode MCDM karena tidak

ada benar-benar metode MCDM terbaik dalam memecah5. Kesimpulan

Metodologi untuk evaluasi dampak lingkungan tidak secara eksplisit didefinisikan

dalam standar ISO 14001 atau standar ISO 14004, tetapi menganalisis akses yang

berbeda dari ISO 14001 organisasi yang disertifikasi, kami menyimpulkan bahwa,

di daerah ini, ada banyak kemungkinan manipulasi data. Oleh karena itu, makalah

Ini menyajikan akses dari evaluasi dampak lingkungan dalam aplikasi metode

MCDM.

Dampak lingkungan dari sebuah organisasi percontohan yang dievaluasi

dengan menggunakan metode MCDM - AHP, AHP Entropi Vikor, Vikor Entropi,

TOPSIS dan metode TOPSIS Entropi. Hal ini ditemukan bahwa metode AHP,

AHP Entropi dan Vikor berguna untuk peringkat dampak lingkungan, terutama

saat membuat keputusan individu dan mencari tahu yang paling signifikan,

sehingga sesuai perubahan dapat dibuat di perusahaan dan dampak dapat

diperbaiki. Bahkan AHP Entropi tampaknya lebih dapat diandalkan dibandingkan

AHP sejak berat, menjadi dari metode pembobotan Entropi membuat peringkat

yang daftar lebih obyektif, kedua metode memberikan hasil yang sangat mirip.

Metode Vikor juga memberikan hasil yang sama seperti AHP dan AHP Entropi

metode.

Namun, 3 dari 6 metode telah memberikan hasil yang hampir sama yang

dikonfirmasi oleh model berdasarkan jaringan saraf di koran (Jovanovic et al.,

II-31

2013). Menurut itu, dalam pekerjaan ini kami mengkonfirmasi hipotesis bahwa

"penerapan metode MCDM dapat diandalkan dan tujuan untuk evaluasi dampak

lingkungan" yang menghilangkan kemungkinan manipulasi. Hal ini merupakan

salah satu persyaratan yang paling penting dari ISO 14001. Selain itu, memiliki

diingat bahwa hasil dari semua diterapkan metode MCDM tidak selaras, sekali

lagi fakta bahwa dalam memecahkan beberapa masalah di mana kita tidak bisa

tepat menentukan keakuratan hasil akhir, diperlukan untuk menggunakan

beberapa metode MCDM karena ada tidak benar-benar metode MCDM terbaik

dalam memecahkan masalah tertentu dikonfirmasi.

Perhatian khusus untuk pekerjaan penelitian masa depan harus berorientasi

pada penentuan obyektifitas dan keandalan penerapan metode AHP dan AHP

Entropi hanya evaluasi dampak lingkungan untuk menghindari penerapan

sejumlah besar metode MCDM untuk tujuan ini umekan masalah tertentu.