BAB IV HASIL PENELITIAN 4.1.1 PT Wijaya Karya (Persero) Tbk … · 2020. 3. 28. · Tbk didirikan...

45

BAB IV

HASIL PENELITIAN

4.1 Profil Perusahaan

4.1.1 Profil Perusahaan

PT Wijaya Karya (Persero) Tbk adalah salah satu perusahaan BUMN yang

bergerak dalam bidang konstruksi bangunan di Indonesia. PT Wijaya Karya (Persero)

Tbk didirikan pada tanggal 29 Maret 1961 dari hasil nasionalisasi perusahaan Belanda

yang bernama Naamloze Vennotschap Technische Handel Maatschappij en

Bouwbedijf Vis en Co atau NV Vis en Co, berdasarkan Peraturan Pemerintah No. 2

Tahun 1960 dan Surat Keputusan Menteri Pekerjaan Umum dan Tenaga Listrik

(PUTL) No. 5 tanggal 11 Maret 1960, WIKA lahir dengan nama Perusahaan Negara

Bangunan Widjaja Karja dan mulai beroperasi secara komersial pada tahun 1961,

namun pada tahun 1972 berganti nama menjadi PT Wijaya Karya dan berkembang

menjadi sebuah kontraktor konstruksi. Kantor pusat WIKA beralamat di Jl. D.I

Panjaitan Kav.9, Jakarta Timur 13340 dengan lokasi kegiatan di dalam negeri maupun

luar negeri. PT. Wijaya Karya (Persero) Tbk memiliki 6 anak perusahaan, yaitu :

1. PT. Wijaya Karya Beton Tbk (WIKA BETON)

2. PT. Wijaya Karya Realty (WIKA REALTY)

3. PT. Wijaya Karya Rekayasa Konstruksi

4. PT. Wijaya Karya Gedung

5. PT. Wijaya Karya Bitumen

6. PT. Wijaya Karya Industri dan Konstruksi (WIKON)

Pada penelitian ini saya mengambil data salah satu anak perusahaan dari PT.

Wijaya Karya Persero (Tbk) yaitu PT. Wijaya Karya Industri dan Konstruksi

(WIKON). Pada awalnya, perusahaan ini bernama PT Wijaya Karya Intrade (WIK),

45

100

namun sebagaimana telah dinyatakan dalam Akta Notaris No. 35 tanggal 12 April

2013 yang dibuat oleh Notaris Sri Ismayati, S.H di Jakarta dan memperoleh

persetujuan dari Kementerian Hukum dan Hak Asasi Manusia No. AHU-

21488.AH.01.02.2013 pada tanggal 22 April 2013, PT Wijaya Karya Intrade (WIK)

berganti nama menjadi PT. Wijaya Karya Industri dan Konstruksi (WIKON). WIKON

bergerak pada bidang industri dan konstruksi bangunan yang menangani berbagai

proyek pembangunan dalam negeri maupun luar negeri seperti proyek pembangunan

LRT (Light Rapid Transportation) Kelapa Gading-Velodrome, proyek pembangunan

jalan tol Semanggi, dan proyek pembangunan jalan tol Cengkareng - Batu Ceper -

Kunciran. Salah satu dari proyek terebur menjadi tempat penulis dalam melakukan

penelitian ini. Proyek pembangunan jalan tol Cengkareng – Batu Ceper – Kunciran

adalah proyek yang kantor cabangnya berlokasi di Jalan Wijaya Kusuma, Perumahan

Banjar Wijaya Blok A11, No.14, Cipondoh, Tangerang. Proyek ini telah berjalan

kurang lebih selama 11 bulan terhitung sejak bulan April 2017 dan direncanakan akan

selesai pada akhir tahun 2019.

4.1.2 Visi Misi dan Nilai Perusahaan

VISI : Menjadi Perusahaan terkemuka di Industri Manufaktur dan Konstruksi

di Indonesia.

MISI :

1. Menghasilkan produk dan layanan konstruksi sesuai dengan permintaan

pelanggan.

2. Memproduksi alumunium casting, plastik dan press parts yang berkualitas

tinggi untuk menambah nilai bagi semua pihak.

3. Menerapkan/mengintegrasikan Sistem Manajemen yang terintegrasi secara

praktis.

4. Komitmen terhadap implementasi nilai-nilai perusahaan.

NILAI PERUSAHAAN

1. Commitment (komitmen) : Berbuat sesuai kesepakatan dan janji.

2. Innovation (inovasi) : Selalu mencari sesuatu yang lebih baik.

47

3. Balance (keseimbangan) : Menjaga keseimbangan semua aspek.

4. Excellence (keunggulan) : Memberikan hasil lebih baik.

5. Relationship (hubungan) : Hubungan kemitraan yang baik untuk para

pihak.

6. Teamwork (kerjasama tim) : Sinergi, kerja sama intra dan lintas unit kerja.

7. Integrity (integritas) : Keutuhan dan ketulusan yang meliputi keadilan,

bertanggung jawab, berintegritas, transparan, dan jujur.

4.1.3 Struktur Organisasi

Struktur organisasi di PT. Wijaya Karya (Tbk) pada proyek pembangunan

jalan tol Cengkareng - Batu Ceper – Kunciran berbentuk lini dan staff. Lini dan staf

merupakan pelimpahan wewenang dalam organisasi dengan berlangsung secara

vertical dari atasan hingga bawahan. Struktur Organisasi Proyek Cengkareng – Batu

Ceper – Kunciran sebagai berikut

48

Pelaksana Pelaksana

Site Engineer Admin Lapangan Site Engineer

Pelaksana Utama Pelaksana Utama

Gambar 4.1 Struktur Organisasi PT. Wijaya Karya

Sumber : PT. Wijaya Karya Persero (Tbk), 2019.

4.1.4 Responden Penelitian

Pengambilan data pada penelitian ini dengan cara menyebarkan kuesioner kepada

5 responden dimana responden memiliki hubungan secara langsung dengan supplier

dalam pembelian dan penyewaan alat dan material. Penulis memilih 5 responden

tersebut karena responden sangat mengenal karakter dari supplier untuk mendukung

kebasahan data yang akan penulis teliti. Responden tersebut sebagai berikut :

Manajer Konstruksi Manajer Konstruksi

Engineering Staff

Drafter

Admin Surveyor

Surveyor

Health&Safety Admin

SHE Officer

Security

Doc Control Staff

QA Engineer

Laboratorium Staff

QC Staff

Procurement Staff

Secetary

Tax Staff

Cashier

Accounting Staff

Admin of Finance

Chief of Finance and HC

Chief of Procurement

Chief of QA/QC

Health, Safety and Security Supervisor

Chef of Engineering

Manajer Proyek

49

Tabel 4.1 Profil Responden

Responden Jabatan Lama Bekerja

NHD Manager Procurement 10 Tahun

AS Senior Procurement Staff 5 Tahun

MZ Senior Procurement Staff 5 Tahun

FP Junior Procurement Staff 3 Tahun

MW Junior Procurement Staff 2 Tahun

Sumber : Penulis, 2019.

4.2 Hasil Analisis Data

4.2.1 Membuat Struktur Hierarki AHP

Dalam penelitian ini penulis menggunakan metode salah satunya adalah AHP.

Analisis data dengan menggunakan AHP dengan cara melakukan penyusunan secara

hierarki terhadap kriteria-kriteria yang berkaitan dalam pemilihan supplier tanah

merah di PT. Wijaya Karya (Persero) Tbk Proyek Pembangunan Jalan Tol Cengkareng

– Batu Ceper – Kunciran. Kriteria yang digunakan dalam penelitian ini sangat

membantu penulis dalam memecahkan permasalahan dalam memilih supplier tanah

merah. Setelah melakukan wawancara dan evaluasi terhadap manager pengadaan dan

staff pengadaan, maka selanjutnya dibuat struktur hierarki sebagai berikut :

50

Delivery

Gambar 4.2 Struktur Hierarki AHP

Sumber : Penulis, 2019

Data AHP diatas adalah sebagai berikut :

A. Goal atau Tujuan

Untuk menentukan supplier yang paling tepat pada proyek pembangunan jalan

tol Cengkareng – Batu Ceper – Kunciran di PT. Wijaya Karya (Pesero) Tbk.

B. Kriteria dan Sub Kriteria

Kriteria dan Sub Kriteria yang digunakan dalam penelitian ini telah dievaluasi

oleh manager procurement dan staff procurement. Kriteria dan Sub Kriteria sudah

sesuai dengan kriteria dalam pemilihan tanah merah di PT. Wijaya Karya (Persero)

Tbk. Berikut adalah Kriteria dan Sub Kriteria yang digunakan :

Pemilihan Supplier

Spesifikasi Bahan Baku

Kegemburan

Diskon Ongkos

Konsiste Harga Ketepatan nsi Kualitas

Tanah Merah

Jumlah Pengiriman

Ketepatan Waktu Flexibilitas

Pemberian

Pengiriman PenyelesaiaIn ormasi

Masalah

History

Performa Konsumen

Perusahaan

Supplier 6 Supplier 5 Supplier 3 Supplier 1

Reputation Service Quality

Supplier 4 Supplier 2

Cost

51

Tabel 4.2 Kriteria dan Sub-Kriteria

Kriteria Sub – Kriteria Kode

Quality Spesifikasi Bahan Baku Q1

Kegemburan Tanah Merah Q2

Cost Diskon C1

Harga C2

Ongkos C3

Delivery Ketepatan Waktu D1

Ketepatan Jumlah D2

Service Flexibilitas Pelayanan dan Pemesanan S1

Penyelesaian Masalah S2

Pemberian Informasi S3

Reputation Performa Perusahaan R1

History Konsumen R2

Sumber: Zouggari dan Benyoucef (2012) dan Rezaei dan Ortt (2013)

C. Alternatif

Alternatif dalam penelitian ini adalah supplier yang melakukan supply tanah

merah ke PT. Wijaya Karya (Persero) Tbk pada proyek pembangunan jalan tol

Cengkareng – Batu Ceper – Kunciran dimana alternatif tersebut telah di evaluasi

dan telah dipilih oleh manager pengadaan dan 4 orang staff pengadaan di PT.

Wijaya Karya (Persero) Tbk. Ada 6 alternatif supplier yang telah di evaluasi oleh

para responden yaitu sebagai berikut :

52

Tabel 4.3 Alternatif Supplier

Inisial Supplier

Alamat Supplier

Supplier1 Graha Anugerah 3rd Floor. Jl. Raya Ps. Minggu No. 17 A Pancoran No. Selatan 12780.

Supplier 2 Jl. Iskandar Muda No.168, RT.003/RW.005, Kedaung Baru, Neglasari, Tangerang City, Banten 15128.

Supplier 3 JL. Kelapa Gading Selatan Blok BJ 8/3, Curug, Tangerang, 15810, West Pakulonan, Kelapa Dua, Tangerang, Banten 1581.

Supplier 4 Jl. SFB Blok MM No. 7 Jababeka II Cikarang Kel. Pasirsari. Kec. Cikarang Selatan – Bekasi.

Supplier 5 JL. Serimpi Raya No. 37. Kota Depok. 16411.

Supplier 6 Kampung Cijantra RT. 005/003. Desa Jatake. Kecamatan Pagedangan. Kabupaten Tangerang. 15820.

Sumber : Penulis, 2019.

4.2.2 Matriks Perbandingan Berpasangan Antar Kriteria

Pada tahap ini dilakukan pembobotan terhadap masing masing perbandingan

berpasangan antar kriteria dalam memilih tingkat kepentingan atas kriteria tersebut.

Setelah mendapatkan hasil dari perbandingan berpasangan antar kriteria penulis dapat

melihat dan dapat menggambarkan tingkat kepentingan dari masing-masing kriteria.

Matriks perbandingan berpasangan yang diolah pada program excel adalah sebagai

berikut :

1. Jika data bobot penilaian pada kuesioner berada di sebelah kiri dari angka 1,

maka dari itu nilai yang diolah adalah nilai yang sebenarnya.

2. Jika data bobot penilaian pada kuesioner berada di sebelah kanan dari angka

1, maka nilai yang diolah adalah nilai yang berlawanan.

Dalam pemahaman mengenai metode Analytical Hierarchy Process (AHP).

Peneliti membahas perhitungan pada kriteria dan sub-kriteria dari pemilihan supplier

tanah merah. Dalam penelitian ini peneliti akan memaparkan hasil perhitungan dari 1

responden yaitu responden 1 saja, dengan alasan perhitungan yang dilakukan terhadap

53

hasil kuesioner dari 4 responden sama. Hasil 4 responden lainnya akan dilampirkan

pada lampiran. Tabel berikut adalah tabel 4.4 mamaparkan hasil dalam

membandingkan faktor oleh responden 1.

Tabel 4.4 Matriks Perbandingan Berpasangan (Pair Wise Comprasion Matriks)

RESPONDEN 1 BOBOT KRITERIA

KRITERIA Kualitas Biaya Delivery Service Reputation

Kualitas 1 2 2 5 7

Biaya 0,5 1 3 2 5 Delivery 0,5 0,33 1 3 3

Service 0,2 0,5 0,333 1 5

Reputation 0,143 0,2 0,333 0,2 1

Sumber : Pengolahan data primer, 2019.

Keterangan Tabel :

Peneliti mengambil hasil dari data kuisoner responden 1, berikutnya responden 2 dan

responden 3 terdapat pada halaman lampiran.

*0,2 (Biaya) = biaya memiliki bobot nilai sebesar 0,2 dari kualitas

*Sedangkan Kualitas = kualitas memiliki bobot nilai sebesar 5. Dimana menurut Saaty

dalam tabel penilaian matriks yang berarti kualitas lebih penting dari biaya.

Pair Wise Comprasion Matriks adalah matriks yang memaparkan perbandingan

hasil kuisioner yang didapat dalam pemilihan prioritas kriteria. Setelah mengolah

matriks perbandingan berpasangan, peneliti membuat matriks perbandingan

berpasangan antar sub-kriteria pada responden 1. Dalam proses ini, hasil kuisoner di

masukan ke dalam tabel dan menjadi matriks perbandingan berpasangan sub-kriteria.

54

Tabel 4.5 Matriks Perbandingan Berpasangan (Pair Wise Comprasion Matrix) Sub-Kriteria Responden 1

MATRIKS PERBANDINGAN BERPASANGAN RESPONDEN 1

KUALITAS K1 K2 K3 SERVICE S1 S2 S3

K1 1 0,33 5 S1 1 5 3

K2 3 1 7 S2 0,2 1 0,333

K3 0,2 0,143 1 S3 0,33 3 1 4,2 1,473 13 1,53 9 4,333

COST C1 C2 C3

C1 1 0,111 0,143

C2 9 1 3

C3 7 0,333 1 17 1,444 4,143

DELIVERY D1 D2

D1 1 0,2

D2 5 1 6 1,2


Cara membaca matriks perbandingan berpasangan sub-kriteria sama dengan cara

membaca pada tabel matriks perbandingan berpasangan penilian kriteria.

Keterangan Tabel :

*0,333 = memiliki bobot penilaian 0,33 dari C3 (berlawanan).

**3 = Sub-kriteria 3 dari cost memiliki bobot nilai 3, yang artinya C3 sedikit lebih

penting dibandingkan sub-kriteria 2 dari cost (C2).

Matriks Perbandingan Berpasangan (Pair Wise Comprasion Matrix) Sub-Kriteria

merupakan metode perbandingan berpasangan yang dapat digunakan untuk

memperoleh kecenderungan terkait tentang varians atau kriteria yang dipilih. Pair

Wise Comprasion Matrix diatas memaparkan perbandingan hasil kuisoner tentang

pilihan prioritas sub-kriteria menururt responden. Pair Wise Comparison Matrix akan

REPUTATION R1 R2 R1 1 0,33 R2 3 1

4 1,33

55

menghasilkan nilai yang berasal dari perbandingan setiap krtiteria untuk

membandingkan masing – masing kriteria. Nilai yang lebih tinggi menunjukan sub-

kriteria pilihan yang lebih baik. Pada pembuatan matriks berpasangan antar sub-

kriteria cara membaca matriks tersebut sama dengan cara membaca matriks

berpasangan antar kriteria sebelumnya.

4.2.3. Perhitungan Bobot Kriteria dan Perhitungan Bobot Sub-Kriteria 4.2.3.1 Normalisasi Kriteria

Setelah mendapatkan hasil dari perhitungan masing – masing kriteria,

tahap selanjutnya adalah melakukan normalisasi terhadap hasil matriks

perbandingan berpasangan. Pada tahap normalisasi dilakukan dengan cara

membagi setiap bobot nilai masing – masing kriteria terhadap jumlah masing

– masing kriteria. Hasil dari normalisasi dari perbandingan berpasangan

kriteria sebagai berikut :

Tabel 4. 6 Normalisasi Matriks Perbandingan Berpasangan Kriteria

RESPONDEN 1

KRITERIA Kualitas Cost Delivery Service Reputation Rata-Rata

Kualitas *0,427 0,496 0,300 0,446 0,333 ***0,401

Cost 0,213 **0,248 0,450 0,179 0,238 0,266

Delivery 0,213 0,082 0,150 0,268 0,143 0,171

Service 0,085 0,124 0,050 0,089 0,238 0,117

Reputation 0,061 0,050 0,050 0,018 0,048 0,045 1 1 1 1 1


Keterangan Tabel :

*0,427 = nilai ini didapatkan dari pembagian pada matriks berpasangan antar kriteria

pada kolom pertama dari kualitas (1) dengan hasil atau jumlah semua bobot pada

kolom kualitas yaitu sebesar 2,343.

56

**0,248 = nilai ini didapatkan dari pembagian pada matriks berpasangan antar kriteria

pada kolom kedua dari biaya (1) dengan hasil atau jumlah semua bobot pada kolom

biaya yaitu sebesar 4,03.

***0,401 = nilai ini didapatkan dari rata – rata dari kriteria kualitas. Yaitu dengan

menjumlahkan masing – masing bobot 0,427 + 0,496 + 0,300 + 0,446 + 0,333 lalu

dibagi dengan jumlah kriteria delivery yaitu 5. Untuk kriteria selanjutnya

perhitungannya sama. Tujuan dari perhitungan Normalisasi diatas adalah

Dari perhitungan Normalisasi diatas terlihat bahwa:

a. Kriteria Kualitas memiliki bobot penilaian tertinggi diantara lainnya

yaitu sebesar 0,401.

b. Kriteria Cost memiliki bobot tertinggi kedua setelah kualitas yaitu

sebesar 0,266.

c. Kriteria Delivery memiliki bobot tertinggi ketiga yaitu sebesar 0,171.

d. Kriteria Service memiliki urutan ke empat dengan nilai sebesar 0,117.

e. Kriteria Reputation memiliki bobot terendah diantara kriteria lainnya

yaitu sebesar 0,045.

Dapat disimpulkan bahwa urutan prioritas kriteria dari responden 1 dalam

pemilihan tanah merah sebagai berikut :

1. Kualitas

2. Cost

3. Delivery

4. Service

5. Reputation

Setelah melakukan perhitungan normalisasi bobot antar kriteria. Selanjutnya

peneliti melakukan perhitungan normalisasi bobot terhadap masing – masing sub-

kriteria dengan langkah yang sama mengikuti proses perhitungan normalisasi antar

kriteria diatas.

4.2.3.2 Normalisasi Sub – Kriteria

Langkah selanjutnya adalah mencari nilai bobot normalisasi terhadap masing –

masing sub-kriteria. Cara perhitungan normalisasi matriks perbandingan berpasangan

57

sub-kriteria sama dengan dengan normalisasi perbandingan berpasangan bobot kriteria

di atas. Berikut hasil dari normalisasi dari matriks perbandingan berpasangan sub-

kriteria :

Tabel 4. 7 Normalisasi Matriks Perbandingan Berpasangan Sub-Kriteria

RESPONDEN 1

KUALI TAS K1 K2 K3

Rata- rata

DELIVER Y D1 D2

Rata - Rata

K1

0,238

0,224

0,385

*0,282 D1

0,167

0,167

0,167

K2

0,714

0,679

0,538

0,644 D2

0,833

0,833

0,833

K3

0,048

0,097

0,077

0,074

COST C1 C2 C3

Rata- Rata

REPUTA TION

R1 R2 Rata – Rata

C1

0,059

0,077

0,035

0,057 R1

0,250

0,248

0,249

C2

0,529

0,693

0,724

0,649 R2

0,750

0,752

0,751

C3

0,412

0,231

0,241

0,295

SERVI CE

S1

S2

S3

Rata- Rata

S1

0,654

0,556

0,692

0,634

S2

0,131

0,111

0,077

0,106

S3

0,216

0,333

0,231

0,260


Keterangan Tabel :

*0,282 = nilai ini didapatkan dari rata – rata dari kiteria cost. Yaitu dengan

menjumlahkan masing – masing bobot 0,238+0,224+0,385 lalu di bagi dengan jumlah

sub kriteria yaitu 3. Untuk kriteria selanjutnya perhitungannya sama dengan

perhitungan rata – rata sub kriteria cost.

58

Untuk menghitung normalisasi kriteria dan sub kriteria mempunyai cara yang

sama dalam perhitungannya. Yaitu dengan cara melakukan nilai dari setiap kolom lalu

dibagi dengan total kolom pada kriteria dan sub-kriteria yang bersangkutan. Agar lebih

jelas perhatikan perhitungan pada Tabel 4.6 dan Tabel 4.7. Setelah melakukan

normalisasi, peniliti menghitung rata-rata pada setiap baris kriteria dan sub-kriteria

dengan cara menjumlahkan nilai-nilai dari baris kriteria dan sub-kriteria terkait dan

membaginya dengan jumlah elemen tersebut (n).

Dari Tabel 4.8 diatas dapat disimpulankan dalam sub-kriteria kualitas dari responden

1 sebagai berikut:

a. Sub-kriteria K2 yaitu Kegemburan Tanah Merah memiliki prioritas pertama

diantara sub-kriteria kualitas lainnya dengan bobot nilai 0,644,

b. Sub-kriteria K1 yaitu Spesifikasi Bahan Baku memiliki prioritas kedua menurut

responden 1 dengan bobot nilai 0,282.

c. Sub-kriteria K3 yaitu Konsistensi Kualitas memiliki prioritas terendah dengan

bobot nilai 0,074.

Pada sub-kriteria Cost dari responden 1 dari tabel diatas dapat disimpulkan :

a. Sub-kriteria C2 yaitu Diskon memiliki prioritas pertama diantara sub-kriteria

Cost lainnya dengan bobot nilai 0,649.

b. Sub-kriteria C3 yaitu Harga Produk memiliki prioritas kedua menurut


c. Sub-kriteria C1 yaitu Ongkos Pengiriman memiliki prioritas terendah dengan

bobot nilai 0,057.

Pada sub-kriteria Service dari responden 1 dari tabel diatas dapat disimpulkan :

a. Sub-kriteria S1 yaitu Flexibilitas Pemesanan memiliki prioritas pertama

diantara sub-kriteria Service lainnya dengan bobot nilai 0,634.

b. Sub-kriteria S3 yaitu Kemampuan Memberikan Informasi memiliki prioritas

kedua menurut responden 1 dengan bobot nilai 0,260.

c. Sub-kriteria S2 yaitu Pemecahan Masalah memiliki prioritas terendah dengan

bobot nilai 0,106.

Pada sub-kriteria Service dari responden 1 dari tabel diatas dapat disimpulkan :

a. Sub-kriteria D2 yaitu Ketepatan Waktu Pengiriman memiliki prioritas pertama

diantara sub-kriteria Delivery lainnya dengan bobot nilai 0,833.

59

b. Sub-kriteria D1 yaitu Ketepatan Jumlah Pengiriman memiliki prioritas terendah

menurut responden 1 dengan bobot nilai 0,167.

Pada sub-kriteria Reputation dari responden 1 dari tabel diatas dapat disimpulkan :

a. Sub-kriteria R2 yaitu Performa Perusahaan memiliki prioritas pertama diantara

sub-kriteria Reputation lainnya dengan bobot nilai 0,751..

b. Sub-kriteria R1 yaitu History Konsumen memiliki prioritas terendah menurut


4.2.3.3 Pengujian Konsistensi Kriteria

Setelah dilakukan normalisasi terhadap masing-masing bobot pada matriks

perbandingan berpasangan antar kriteria. Tahap selanjutnya adalah melakukan

pengujian konsistensi bobot terhadap kriteria dengan tujuan apakah hasil dari kuisoner

bersifat konsisten atau tidak konsisten. Terdapat 2 hasil dari pengujian ini yaitu

konsisten dan tidak konsistem. Tahap pertama dalam pengujian konsistensi adalah

menghitung P Vector atau Priority Vector dengan cara sebagai berikut :

V t = A.Wt, : = 1,2,3,…,n

Tabel 4.8 Tabel Pengujian Konsistensi Kriteria

RESPONDEN 1 KRITERI

A Kualita

s Biay

a Deliver

y Servic

e Reputatio

n Rata- Rata

P Vector

Kualitas 1 2 2 5 7 0,401

*2,178

Biaya 0,5 1 3 2 5 0,266

1,440

Delivery 0,5 0,33 1 3 3 0,171

0,947

Service 0,2 0,5 0,333 1 5 0,117

0,613

Reputation 0,143 0,2 0,333 0,2 1 0,045

0,236

JUMLAH 2,343 4,03 6,666 11,2 21


60

Keterangan Tabel :

2,178 = Perhitungan tersebut dari (1 x 0,401) + (2 x 0,266) + (2x 0,171) + (5 x 0,117)

+ (7 x 0,045) . P Vector selanjutnya mengikuti langkah perhitungan diatas.

Hasil P Vector diatas menunjukan kriteria kualitas tanah merah adalah prioritas

utama dari responden 1. Kualitas memiliki bobot nilai P Vector sebesar 2,178 lebih

unggul dibandingkan bobot nilai P Vector kriteria lainnya. Prioritas yang kedua adalah

kriteria biaya dengan bobot nilai P Vector sebesar 1,440 begitu dengan urutan nilai

bobot P Vector kriteria selanjutnya.

Tahap setelah melakukan perhitungan terhadap P Vector adalah menghitung

Eigen Value (λ) dan menghitung Eigen Value Maximal (λ max). Menghitung Eigen

Value Maximal (λ max) dengan cara menghitung rata – rata dari nilai Eigen Value (λ)

dari masing – masing kriteria. Rumus dalam menghitung Eigen Value Maximal (λ

max) sebagai berikut :

λ max = !"#/"%

&

Tabel 4. 9 Uji Konsistensi Kriteria Eigen Value (λλλλ)

RESPONDEN 1 KRITERIA Rata-Rata Priority Vector Eigen Value ( λ) λ max

Kualitas 0,401 2,178 *5,436

**5,367 Biaya 0,266 1,440 5,422

Delivery 0,171 0,947 5,531 Service 0,117 0,613 5,227

Reputation 0,045 0,236 5,222


Keterangan Tabel :

Nilai *5,436 = nilai tersebut didapat dari perhitungan 2,178 dibagi dengan rata rata

(0,401).

61

Nilai **5,367 = semua nilai eigen value dijumlahkan lalu dibagi banyaknya kriteria

(5).

Nilai eigen merupakan bobot setiap elemen yang bertujuan untuk menentukan

vektor prioritas dalam AHP dalam menentukan prioritas eleme-elemen pada tingkat

hierarki kriteria maupun sub-kriteria dari terendah sampai tertinggi. Berikutnya adalah

melakulan uji konsistensi pada matriks perbandingan berpasangan. Tabel menurut

Saaty diatas menunujukan Random Index yang digunakan untuk menghitung tingkat

konsistensi suatu data yang didapat. Dengan syarat jika tingkat konsistensi kurang dari

10% atau 0,01 ( CR < 0,1 ) maka nilai tersebut memiliki sifat konsisten dan dapat

diterima. Tetapi jika nilai tingkat konsistensi lebih dari 10% ( CR > 0,1 ) maka nilai

tersebut memiliki sifat tidak konsisten. Jika nilai tingkat konsistensi dinyatakan tidak

konsisten, maka pengisian nilai pada matriks berbandingan berpasangan harus diulang

dengan mengikuti langkah-langkah yang sama. Pengulangan tersebut pada bagian

kriteria sampai dengan bagian alternatif. Kemudian dalam perhitungan Consistency

Index (CI) dapat dihitung dengan rumus :

CI =

(( )*+ , &)

(&,/)

Dimana n adalah jumlah kriteria kriteria dan sub-kriteria masing-masing.

Beriku adalah hasil dari perhitungan Consistency Index (CI).

Tabel 4.10 Pengujian Konsistensi Kriteria (CR)

RESPONDEN 1 KRITER

IA Rata- Rata

Priority Vector

Eigen Value (λ) λ max CI RI CR

Kualitas 0,401

2,178

5,436

5,367

*0,092

**1, 12

***0,08 2

Biaya 0,266

1,440

5,422

Delivery 0,171

0,947

5,531

Service 0,117

0,613

5,227

Reputati on

0,045 0,236

5,222 Sumber : Pengolahan data primer, 2019.

62

Keterangan Tabel :

*0,092 = Nilai ini didapatkan dari ( λ max – n ) / ( n – 1 ). Dimana n adalah banyaknya

kriteria.

**1,120 = adalah nilai random index an disesuaikan dengan jumlah matriks kriteria

yaitu urutan ke 5 pada tebel RI Saaty.

***0,082 = pembagian dari CI dengan RI.

Consistency Index yang bernilai nol berarti pembobotan konsistensi bersifat

sempurna maka dari itu tidak dilakukan lagi perhitungan CR. Karena hasil CI diatas

adalah 0,110 yang berarti tidak sempurna perlu dilakukan perhitungan derajat

konsistensi. Batas ketidaktoleransi dapat ditentukan oleh hasil CR atau Random

Consistency Index. Dalam perhitungam CR mempunyai rumus sebagai berikut :

CR =

01

21

Dalam pengujian konsistensi terhadap sub-kriteria, perhitungan sama halnya

dalam dalam perhitungan pada kriteria. Sebagai contoh berikut hasil pengujian

konsistensi sub-kriteria terhadap responden.

4.2.3.4 Pengujian Konsistensi Sub-Kriteria

Setelah dilakukan normalisasi seperti data diata. Setelah itu tahap selanjutnya

adalah melakukan pengujian konsistensi terhadap sub-kriteria yang ingin diteliti.

Tahap pertama dalam pengujian konsistensi adalah menghitung P Vector atau Priority

Vector.

Tabel 4.11 Tabel Pengujian Konsistensi Sub-Kriteria

KUALITAS K1 K2 K3 Rata-rata P Vector K1 1 0,333 5 0,282 *0,864 K2 3 1 7 0,644 2,008 K3 0,2 0,143 1 0,074 0,222


63

Keterangan Tabel :

*0,864 = Perhitungan tersebut didapat dari (1 x 0,282) + (1 x 0,644) + (5 x 0,074).

P Vector selanjutnya mengikuti langkah perhitungan diatas. Tahap setelah

perhitungan P Vector adalah menghitung Eigen Value (λ) dan menghitung Eigen

Value Maximal (λ max). Menghitung Eigen Value Maximal (λ max) dengan cara

menghitung rata – rata.

Tabel 4. 12 Uji Konsistensi Sub-Kriteria Eigen Value (λλλλ)

KUALITA S

K1

K2

K3

Rata-rata

P Vector

Eigen Value (λ)

K1

0,238

0,224

0,385

0,282

0,864

3,061

K2 0,714

0,679

0,538

0,644

2,008

3,118

K3 0,048

0,097

0,077

0,074

0,222

3,010

COST C1

C2

C3 Rata-Rata

P Vector

Eigen Value (λ)

C1

0,059

0,077

0,035

0,057

0,171

3,012

C2 0,529

0,693

0,724

0,649

2,043

3,150

C3

0,412

0,231

0,241

0,295

0,908

3,081

SERVICE S1 S2 S3 Rata-Rata P Vector Eigen Value (λ) S1 0,654 0,556 0,692 0,634 1,945 3,068

S2 0,131 0,111 0,077 0,106 0,320 3,008

S3 0,216 0,333 0,231 0,260 0,788 3,031

DELIVERY D1 D2 Rata – Rata D1 0,167 0,167 0,167 D2 0,833 0,833 0,833

REPUTATION R1 R2 Rata – Rata R1 0,250 0,248 0,249 R2 0,750 0,752 0,751

64


Keterangan Tabel :

Nilai *3,061 = nilai tersebut didapat dari perhitungan 0,864 dibagi dengan rata rata

(0,282).

Berbeda halnya dengan kriteria yang hanya terdapat 2 sub-kriteria contohnya pada

kriteria delivery dan reputation tidak perlu dilakukan pengujian konsistensi. Pengujian

konsistensi hanya perlu dilakukan jika n pada sebuah matriks lebih dari 2.

Tabel 4.13 Pengujian Konsistensi Sub-Kriteria (CR)

SUB- KRITERIA

Rata- rata

P Vector

Eigen Value (λ)

(λ) Max

CI RI CR

K1 0,282 0,864 3,061

K2 0,644 2,008 3,118 *3,063 **0,0 32

***0, 58

****0,0 55

K3 0,074 0,222 3,01


Keterangan Tabel :

*3,063 = semua nilai eigen value dijumlahkan lalu dibagi banyaknya kriteria (3).

**0,032 = Nilai ini didapatkan dari ( λ max – n ) / ( n – 1 ). Dimana n adalah banyaknya

kriteria.

***0,58 = adalah nilai random index an disesuaikan dengan jumlah matriks kriteria

yaitu urutan ke 5 pada tebel RI Saaty

****0,055 = pembagian dari CI dengan RI.

Dalam pengujian konsistensi terhap sub-kriteria, perhitungan sama halnya dalam

perhitungan kriteria. Sebagai contoh berikut hasil pengujian konsistensi terhadap

responden. Nilai Random Consistency Index (CR) dari masing-masing kriteria

65

memiliki nilai yang kurang dari 0,1 yang berarti setiap sub-kriteria dari hasil kusioner

bersifat konsisten.

Nilai CR tertinggi terdapat pada kriteria Cost yaitu sebesar 0,070 (terdapat pada

lampiran) dan bersifat konsisten. CR tertinggi kedua adalah sub-kriteria kualitas

sebesar 0,055 yang berarti dibawah nilai 0,1 yang berisfat konsisten. Untuk sub-

kriteria delivery dan reputation tidak perlu dilakukan dalam mengujian CR karena

hanya terdapat 2 variabel.

4.2.4. Matriks Perbandingan Berpasangan Alternatif

Selanjutnya setelah melakukan pengujian konsistensi terhadap matriks

perbandingan berpasangan antar kriteria dan matriks berpasangan antar sub-kriteria,

lakukanlah uji konsistensi terhadap matriks berpasangan alternatif dengan sub

kriterianya.

Tabel 4.14 Matriks Perbandingan Berpasangan Alternatif Responden 1

K1 S1 S2 S3 S4 S5 S6

S1 1 1 7 1 1 7 S2 1 1 3 1 1 3 S3 0,143 0,33 1 0,143 0,33 1

S4 1 1 0,7 1 5 5 S5 1 1 0,333 0,2 1 0,33

S6 0,143 0,333 1 0,2 3 1 4,286 4,663 13,033 3,543 11,33 17,33

K2 S1 S2 S3 S4 S5 S6 S1 1 3 3 1 5 3

S2 0,33 1 7 0,33 1 0,33 S3 0,33 0,143 1 0,333 7 1 S4 1 3 3 1 7 5 S5 0,2 1 0,143 0,143 1 0,33 S6 0,333 3 1 0,2 3 1

3,193 11,143 15,143 3,006 24 10,66

K3 S1 S2 S3 S4 S5 S6 S1 1 0,33 3 0,5 0,2 1

S2 3 1 2 0,33 0,5 3 S3 0,33 0,5 1 0,5 0,143 0,33

66

S4 2 3 2 1 0,2 3

S5 5 2 3 5 1 7 S6 1 0,33 3 0,33 0,143 1

12,33 7,16 14 7,66 2,186 15,33


Tabel diatas menjelaksan hasil perbandingan kuisoner dari responden 1 dalam

memilih alternatif atau supplier tanah merah yang tepat. Untuk alternatif lainnya

seperti cost, delivery, service dan reputation terdapat dalam lampiran.

Tabel diatas adalah hasil pengisian kuisoner pada responden 1 dengan kriteria

Kualitas. Terlihat pada kualitas 1 responden pertama lebih cenderung memilih supplier

1 dalam hal Spesifikasi Bahan Baku Tanah Merah dengan bobot nilai 18. Untuk

kriteria 2 atau Kegemburan Tanah Merah Supplier 2 lebih cenderung memilih supplier

3 dengan total 15,143. Dan yang terakhir yaitu kualitas 3 atau Konsistensi Kualitas

responden 1 cenderung memilih supplier 6 dalam memenuhi kriteria tersebut.

4.2.5 Perhitungan Bobot Alternatif

4.2.5.1 Pengujian Normalisasi Alternatif

Setelah dilakukan pembobotan terhadap setiap alternatif kedalam

matriks perbandingan berpasangan alternatif. Selanjutnya adalah melakukan

perhitungan normalisasi terhadap matriks perbandingan berpasangan

alternatif. Perhitungan normalisasi dilakukan dengan cara seperti perhitungan

sebelumnya yaitu perhitungan dalam melakukan normalisasi terhadap kriteria

dan sub-kriteria. Hasil dari normalisasi dari perbandingan berpasangan kriteria

terhadap responden 1 adalah sebagai berikut :

Tabel 4.15 Normalisasi Matriks Perbandingan Berpasangan Alternatif

K1 S1 S2 S3 S4 S5 S6 Rata-Rata S1 0,233 0,214 0,537 0,282 0,088 0,404 *0,293 S2 0,233 0,214 0,23 0,282 0,088 0,173 0,204 S3 0,033 0,071 0,077 0,04 0,029 0,058 0,051 S4 0,233 0,214 0,054 0,282 0,441 0,289 0,252

67

S5 0,233 0,214 0,026 0,056 0,088 0,019 0,106 S6 0,033 0,071 0,077 0,056 0,265 0,058 0,093

K2 S1 S2 S3 S4 S5 S6 Rata-Rata S1 0,313 0,269 0,198 0,333 0,208 0,281 0,267 S2 0,103 0,09 0,462 0,11 0,042 0,031 0,14 S3 0,103 0,013 0,066 0,111 0,292 0,094 0,113 S4 0,313 0,269 0,198 0,333 0,292 0,469 0,312 S5 0,063 0,09 0,009 0,048 0,042 0,031 0,047 S6 0,104 0,269 0,066 0,067 0,125 0,094 0,121

K3 S1 S2 S3 S4 S5 S6 Rata-Rata S1 0,081 0,046 0,214 0,065 0,091 0,065 0,094 S2 0,243 0,14 0,143 0,043 0,229 0,196 0,166 S3 0,027 0,07 0,071 0,065 0,065 0,022 0,053 S4 0,162 0,419 0,143 0,131 0,091 0,196 0,19 S5 0,406 0,279 0,214 0,653 0,457 0,457 0,411 S6 0,081 0,046 0,214 0,043 0,065 0,065 0,086


Keterangan Tabel :

*0,293 = nilai ini didapatkan dari rata – rata dari Supplier 1. Yaitu dengan

menjumlahkan masing – masing bobot 0,233+0,214+0,537+0,282+0,008+0,404 lalu

di bagi dengan jumlah supplier yaitu 6. Untuk kriteria selanjutnya perhitungannya

sama dengan perhitungan rata – rata supplier 1 pasa sub-kriteria 1.

Untuk alternatif lainnya seperti cost, delivery, service dan reputation terdapat dalam

lampiran.

4.2.5.2 Pengujian Konsistensi Alternatif

Setelah melakukan pengujian normalisasi terhadap matriks perbandingan

berpasangan alternatif. Selanjutnya adalah melakukan pengujian konsistensi terhadap

matriks perbandingan berpasangan alternatif. Berikut adalah rumus dalam melakukan

perhitungan konsistensi :

68

Eigen Value (λ) = Priority Vector / Weight atau Rata – Rata

M

CR = 01, dimana, 21

CI = (345 – & & ,/

Dalam pengujian konsistensi alternatif, table Random Index yang dicetuskan

Saaty sangat diperlukan. Dimana jika hasil dari tingkat konsitensi alternatif kurang

dari 10% atau CR < 0,1 maka nilai konsistensi dianggap konsisten, dan hasil tersebut

dapat dipakai dalam penelitian. Namun sebaliknya, jika hasil kosnsitensi lebih dari

10% atau CR > 0,1, maka nilai perbandingan berpasangan alternatif bersifat tidak

konsisten. Maka dari itu harus dilakukan pengisian nilai pada matriks perbandingan

berpasangan harus diulang hingga hasilnya konsisten.

Tabel 4.16 Tabel Pengujian Konsistensi Alternatif Responden 1

K1 S1 S2 S3 S4 S5 S6 Rata-Rata P Vector S1 1 1 7 1 1 7 0,293 *1,868 S2 1 1 3 1 1 3 0,204 1,289 S3 0,143 0,33 1 0,143 0,33 1 0,051 0,325 S4 1 1 0,7 1 5 5 0,252 1,316 S5 1 0,333 0,2 1 0,33 0,106 0,671 S6 0,143 0,333 1 0,2 3 1 0,093 0,530

K1 S1 S2 S3 S4 S5 S6 Rata-Rata P Vector S1 1 3 3 1 5 3 0,267 **1,474 S2 0,33 1 7 0,33 1 0,33 0,140 3,632 S3 0,33 0,143 1 0,333 7 1 0,113 0,160 S4 1 3 3 1 7 5 0,312 0,905 S5 0,2 1 0,143 0,143 1 0,33 0,047 0,100 S6 0,333 3 1 0,2 3 1 0,121 0,031

K1 S1 S2 S3 S4 S5 S6 Rata-Rata P Vector S1 1 0,33 3 0,5 0,2 1 0,094 0,572

69

S2 3 1 2 0,33 0,5 3 0,166 1,080 S3 0,33 0,5 1 0,5 0,143 0,33 0,053 0,349 S4 2 3 2 1 0,2 3 0,190 1,321 S5 5 2 3 5 1 7 0,411 2,924


Tabel Pengujian Konsistensi diatas bertujuan untuk melihat hasil dari kuisoner,

ada 2 kemungkinan hasil yaitu konsisten dan tidak konsisten. Hasil tersebut dilihat dari

Consistency Ratio (CR). Untuk hasil sub-kriteria cost, delivery, flexibilitas dan

reputation responden 1 terdapat pada lampiran. Begitu juga hasil dari responden 2

sampai dengan responden 5 terdapat pada lampiran.

*1,868 = nilai ini didapatkan dari (1 x 0,293) + (1 x 0,204) + (7 x 0,51) + (1 x 0,252)

+ (1 x 0,106) + (7 x 0,093)

**1,474 = nilai ini didapatkan dari (1 x 0,267) + (3 x 0,140) + (3 x 0,113) + (1 x 0,312

+ (5 x 0,047) + (3 x 0,121)

Tabel Pengujian Konsistensi Alternatif Responden Sub-Kriteria lainnya seperti

Cost, Delivery, Service, dan Reputation terdapat pada lampiran untuk masing – masing

responden.

Tabel 4.17 Tabel Uji Konsistensi Sub-Kriteria Eigen Value

K 1

S1 S2 S3 S4 S5 S6 Rata- Rata

P Vector (λ)

S1

0,233

0,214

0,537

0,282

0,088

0,404 0,293 1,868

*6,372

S2 0,233

0,214 0,230

0,282

0,088

0,173 0,204 1,289

6,334

S3

0,033

0,071 0,077

0,040

0,029

0,058 0,051 0,325

6,330

S4 0,233

0,214 0,054

0,282

0,441

0,289 0,252 1,316

5,216

S5

0,233

0,214 0,026

0,056

0,088

0,019 0,106 0,671

6,315

S6 0,033

0,071 0,077

0,056

0,265

0,058 0,093 0,530

5,675

K 2

S1 S2 S3 S4 S5 S6 Rata- Rata

P Vector (λ)

70

S1

0,313

0,269

0,198

0,333

0,208

0,281

0,267

1,474

**5,51 7

S2 0,103 0,090

0,462

0,110

0,042

0,031

0,140

3,632

26,012

S3 0,103 0,013

0,066

0,111

0,292

0,094

0,113

0,160

1,415

S4 0,313

0,269

0,198

0,333

0,292

0,469

0,312

0,905

2,898

S5 0,063 0,090

0,009

0,048

0,042

0,031

0,047

0,100

2,128

S6 0,104

0,269

0,066

0,067

0,125

0,094

0,121

0,031

0,257

K 3 S1 S2 S3 S4 S5 S6

Rata- Rata

P Vector (λ)

S1

0,081

0,046

0,214

0,065

0,091

0,065

0,094

0,572

6,090

S2 0,243

0,140

0,143

0,043

0,229

0,196

0,166

1,080

6,523

S3 0,027 0,070

0,071

0,065

0,065

0,022

0,053

0,349

6,546

S4 0,162

0,419

0,143

0,131

0,091

0,196

0,190

1,321

6,944

S5 0,406 0,279

0,214

0,653

0,457

0,457

0,411

2,924

7,115

S6 0,081

0,046

0,214

0,043

0,065

0,065

0,086

0,516

6,010


Keterangan Tabel :

Nilai *6,372 = nilai tersebut didapat dari perhitungan P-Vector (1,868) dibagi dengan

rata rata (0,293).

Nilai **5,517 = nilai tersebut didapat dari perhitungan P-Vector (1,289) dibagi dengan

rata rata (0,267).

Tabel 4.18 Pengujian Konsistensi Alternatif (CR)

K1 Rata-Rata P Vector (λ) (λ) Max CI RI CR S1 0,293 1,868 6,372

S2 0,204 1,289 6,334

S3 0,051 0,325 6,330 *6,040 **0,008 ***1,24 ****0,007 S4 0,252 1,316 5,216

S5 0,106 0,671 6,315

71

S6 0,093 0,530 5,675

K2 Rata-Rata P Vector (λ) (λ) Max CI RI CR

S1 0,267 1,474 5,517

S2 0,140 3,632 26,012

S3 0,113 0,160 1,415 6,371 0,074 1,24 0,060 S4 0,312 0,905 2,898

S5 0,047 0,100 2,128

S6 0,121 0,031 0,257

K3 Rata-Rata P Vector (λ) (λ) Max CI RI CR

S1 0,094 0,572 6,090

S2 0,166 1,080 6,523

S3 0,053 0,349 6,546 6,538 0,108 1,24 0,087 S4 0,190 1,321 6,944

S5 0,411 2,924 7,115

S6 0,086 0,516 6,010


Keterangan Tabel :

*6,040 = semua nilai eigen value dijumlahkan lalu dibagi banyaknya kriteria (3).

**0,008 = Nilai ini didapatkan dari ( λ max – n ) / ( n – 1 ). Dimana n adalah banyaknya

kriteria.

***1,24 = adalah nilai random index an disesuaikan dengan jumlah matriks kriteria

yaitu urutan ke 6 pada tebel RI Saaty

****0,007 = pembagian dari CI dengan RI.

Dalam pengujian konsistensi terhadapa alternatif, perhitungan sama halnya

dalam perhitungan kriteria dan sub-kriteria. Sebagai contoh berikut hasil pengujian

konsistensi terhadap responden 1 diatas. Nilai Random Consistency Index (CR) dari

masing-masing kriteria memiliki nilai yang kurang dari 0,1 yang berarti setiap

alternatif dari hasil kusioner bersifat konsisten.

72

4.2.6 Hasil Perhitungan Analytical Hierarchy Process (AHP)

Setelah mendapatkan hasil perhitungan dari masing – masing kriteria, sub-

kriteria dan alternatif maka akan menghasilkan bobot penilaian dari setiap kriteria,

sub-kriteria dan alternatif dari 3 responden pada PT Wijaya Karya (Persero) Tbk.

Langkah selanjutnya adalah melakukan penggabungan antara semua penilian tersebut

dengan menggunakan Geometric Mean. Rumus Geometric Mean yang digunakan

adalah sebagai berikut :

Geometric Mean =

Atau

Geometric Mean = 97�/ � �; � �< , … , �&

4.2.6.1 Analisa Geometric Mean Kriteria

Perhitungan Geometric dari masing – masing kriteria adalah sebagai berikut :

Tabel 4.19 Perhitungan Geometric Mean Kriteria

KRITERIA

R1

R2

R3

R4

R5

Geometric Mean

Weight

Weight

Weight

Weight

Weight

Weight

Kualitas

0,401

0,138

0,432

0,434

0,135

*0,269

Cost

0,266

0,069

0,065

0,092

0,058

0,173

Delivery

0,171

0,063

0,06

0,038

0,087

0,129

Service

0,117

0,249

0,151

0,171

0,242

0,189

Reputation

0,045

0,481

0,292

0,265

0,478

0,24


73

Keterangan Tabel :

*0,269 = Hasil tersebut didapatkan dari perhitungan Geometric yang memiliki rumus

mengalikan masing-masing bobot hasil dari responden lalu mengakarkan dengan

pangkat akar sesuai banyaknya responden atau sama dengan rumus :

�� !" #�$% = R7(0,401 � 0,138 � 0,432 � 0,434 � 0,135)

Untuk Geometric Mean kriteria selanjutnya mengikuti langkah seperti

perhitungan geometric mean diatas. Berdasarkan Analisa Perhitungan Geometric

Mean dari kelima esponden.

4.2.6.2 Hasil Urutan Prioritas Kriteria

Urutan prioritas kriteria dapat disimpulkan dari hasil Geometric Mean yang telah

diolah dengan metode AHP diatas. Bisa dilihat urutan prioritas untuk kriteria dalam

pemilihan kriteria tanah merah pada PT. Wijaya Karya (Persero) Tbk Pembangunan

Jalan Tol Cengkareng – Batu Ceper – Kunciran sebagai berikut :

1. Kualitas

2. Reputation

3. Service

4. Cost

5. Delivery

Setelah melakukan pengurutan prioritas kriteria dari kelima responden

Selanjutnya, peneliti melakukan perhitungan geometric mean sub-kriteria. Cara

perhitungan dalam menghitung geometric mean dari sub-kriteria memiliki sedikit

perbedaan dari perhitungan geometric mean terhadap kriteria. Sebelum menghitung

Geometric Mean peneliti harus menghitung bobot keseluruhan atau Global Weight

terlebih dahulu.

74

4.2.6.3 Analisa Geometric Mean Sub – Kriteria

Tabel 4.20 Nilai dan Bobot Keselurahan Global Weight Sub – Kriteria

Kriteria dan Sub-

Kriteria

Responden 1 Responden 2 Responden 3

Weig

ht Criter

ia

Local Weig

ht Sub-

Criter ia

Globa l

Weig ht

Sub- Criter

ia

Weig

ht Criter

ia

Local Weig

ht Sub-

Criter ia

Globa l

Weig ht

Sub- Criter

ia

Weig

ht Criter

ia

Local Weig

ht Sub-

Criter ia

Globa l

Weig ht

Sub- Criter

ia Kualitas 0,401 0,138 0,432

K1 0,282 *0,113 0,282 0,039 0,283 0,122

K2

0,644 **0,25

8

0,644 0,089

0,643

0,278 K3 0,074 0,030 0,074 0,010 0,074 0,032

Cost 0,266 0,069 0,065 C1 0,057 0,015 0,057 0,004 0,090 0,006 C2 0,649 0,173 0,648 0,045 0,354 0,023 C3 0,295 0,078 0,295 0,020 0,556 0,036

Delivery 0,171 0,063 0,060 D1 0,167 0,029 0,167 0,011 0,125 0,008 D2 0,833 0,142 0,833 0,052 0,875 0,053

Service 0,117 0,249 0,151 S1 0,634 0,074 0,634 0,158 0,643 0,097 S2 0,106 0,012 0,106 0,026 0,283 0,043 S3 0,26 0,030 0,260 0,065 0,074 0,011

Reputati on

0,045

0,481

0,292

R1 0,249 0,011 0,249 0,120 0,833 0,243 R2 0,751 0,034 0,750 0,361 0,167 0,049


Tabel 4.21 Lanjutan Nilai dan Bobot Keselurahan Global Weight Sub –

Kriteria

Kriteria

dan Sub-

Kriteria

Responden 4 Responden 5

Weight Criteria

Local Weight

Sub- Criteria

Global Weight Sub-

Criteria

Weight Criteria

Local Weight Sub-

Criteria

Global Weight Sub-

Criteria Kualitas 0,434 0,135

K1 0,193 0,084 0,134 0,018 K2 0,723 0,314 0,746 0,101 K3 0,084 0,036 0,12 0,016

Cost 0,082 0,058 C1 0,093 0,008 0,09 0,005

75

C2 0,292 0,024 0,354 0,021 C3 0,615 0,050 0,556 0,032

Delivery 0,058 0,087 D1 0,125 0,007 0,167 0,015 D2 0,875 0,051 0,833 0,072

Service 0,161 0,242 S1 0,365 0,059 0,057 0,014 S2 0,206 0,033 0,649 0,157 S3 0,429 0,069 0,294 0,071

Reputation 0,265 0,478 R1 0,751 0,199 0,833 0,398 R2 0,249 0,066 0,167 0,080


Keterangan Tabel :

Tabel Analisa Geometric Sub-Criteria diatas adalah tabel yang menjelaskan

hasil perhitungan yang telah diolah oleh penulis terhadap kelima responden. Global

Weight adalah hasil dari Weight Criteria atau disebut rata-rata kriteria yang dikalikan

Local Weight Sub-Criteria atau rata-rata sub-kriteria yang telah dihitung sebelumnnya.

*0,113 = Perhitungan didapatkan dari perkalian antara Weight Criteria dengan Local

Weight Sub-Kriteria (0,401 x 0,282).

*0,0258 = Perhitungan didapatkan dari perkalian antara Weight Criteria dengan Local

Weight Sub-Kriteria (0,401 x 0,644). Untuk perhitungan Global Weight Sub-Criteria

mengikuti langkah tersebut.

Dari tabel diatas dapat disimpulkan bahwa :

A. Responden 1

• Dalam sub-kriteria Kualitas memiliki bobot tertinggi pada Kualitas 2 yaitu

Kegemburan Tanah Merah sebesar 0,258.

• Pada sub-kriteria Cost memiliki bobot tertinggi pada Cost 2 yaitu Harga Produk

sebesar 0,173.

• Pada sub-kriteria Delivery memiliki bobot tertinggi pada Delivery 2 yaitu

Ketepatan Jumlah Pengiriman sebesar 0,142 dibandingkan dengan Ketepatan

Waktu Pengiriman sebesar 0,029.

• Dalam sub-kriteria Service memiliki bobot tertinggi pada Service 1 yaitu

Flexibilitas Pemesanan sebesar 0,074.

76

• Dalam sub-kriteria Reputation memiliki bobot tertinggi pada Reputation 2 yaitu

History Konsumen sebesar 0,034 dibandingkan dengan Performa Perusahaan

sebesar 0,011.

B. Responden 2

• Dalam sub-kriteria Kulitas memiliki bobot tertinggi pada Kualitas 2 yaitu



sebesar 0,045.







History Konsumen sebesar 0,361 dibandingkan dengan Performa Perusahaan

sebesar 0,120.

C. Responden 3




sebesar 0,036.







Performa Perusahaan sebesar 0,243 dibandingkan dengan History Konsumen

sebesar 0,049.

77

D. Responden 4




sebesar 0,050.




• Dalam sub-kriteria Service memiliki bobot tertinggi pada Service 3 yaitu sebesar

0,069.



sebesar 0,167.

E. Responden 5




sebesar 0,032.




• Dalam sub-kriteria Service memiliki bobot tertinggi pada Service 2 yaitu sebesar

0,157.



sebesar 0,080.

Dari penjelasan diatas dapat disimpulkan bahwa kualitas 2 yaitu kegemburan tanah

merah memiliki bobot nilai yang paling tinggi diantara lainnya, untuk sub-kriteria cost

yaitu harga produk memiliki nilai paling tinggi diantara lainnya, untuk sub-kriteria

delivery yaitu dalam ketepatan jumlah pengiriman lebih tinggi bobot nilainya diantara

lainnya. Sub-kriteria flexibilitas pemesanan memiliki bobot nilai yang mutlak lebih

78

tinggi dari pada sub-kriteria service lainnya. Dan yang terakhir adalah reputation, pada

sub-kriteria reputation performa perusahaan memiliki bobot nilai yang lebih tinggi

daripada history konsumen.

Langkah selanjutnya setelah menghitung Global Weight untuk masing-masing

sub-kriteria adalah melakukan perhitungan Geometric Mean dengan rumus seperti

perhitungan Geometric Mean pada masing-masing kriteria.

Geometric Mean = 97�/ � �; � �< , … , �&

Tabel 4.22 Geometric Mean Global Weight Sub – Kriteria

Kriteria & Sub - Kriteria

Geometric Mean

Result

Normalized

Kualitas

K1 *0,061 ** 0,090

K2 0,061 0,090 K3 0,022 0,033

Cost

C1 0,009 0,013 C2 0,050 0,075 C3 0,051 0,076

Delivery

D1 0,012 0,018 D2 0,068 0,101

Service

S1 0,062 0,092 S2 0,037 0,055 S3 0,040 0,060

Reputation

R1 0,121 0,179 R2 0,079 0,118

TOTAL 0,674 1


Keterangan Tabel :

79

*0,061 = R7(0,113 � 0,039 � 0,039 � 0,122 � 0,084 � 0,018)

**0,090 = hasil dari pembagian 0,061 dengan 0,674. Dalam mencari nilai keseluruhan

Geometric Mean dari Global Weight Sub – Kriteria dan perhitungan Normalisasi ikuti

kedua langkah diatas. Agar lebih mempermudah proses perhitungan AHP peneliti

merangkum hasil global weight sub-kriteria dari 5 responden dalam tabel 4.26.

Tabel 4.23 Rangkuman Nilai Global Weight Sub – Kriteria

Kriteria dan Sub-Kriteria

Responden 1 Responden 2 Responden 3

Global Weight

Global Weight

Global Weight

K1 0,113 0,039 0,122 K2 0,258 0,089 0,278 K3 0,030 0,010 0,032 C1 0,015 0,004 0,006 C2 0,173 0,045 0,023 C3 0,078 0,020 0,036 D1 0,029 0,011 0,008 D2 0,142 0,052 0,053 S1 0,074 0,158 0,097 S2 0,012 0,026 0,043 S3 0,030 0,065 0,011 R1 0,011 0,120 0,243 R2 0,034 0,361 0,049


Tabel 4.24 Lanjutan Rangkuman Nilai Global Weight Sub – Kriteria

Sub-

Kriteria

Responden 4 Responden 5 Geometric Mean Sub-Kriteria

Global Weight Global Weight Global Weight Ranking

K1 0,084 0,018 0,075 5 K2 0,314 0,101 0,208 1 K3 0,036 0,016 0,025 11 C1 0,008 0,005 0,008 13 C2 0,024 0,021 0,057 7 C3 0,050 0,032 0,044 10 D1 0,007 0,015 0,014 12 D2 0,051 0,072 0,074 6 S1 0,059 0,014 0,080 4 S2 0,033 0,157 0,054 8

80

S3 0,069 0,071 0,049 9 R1 0,199 0,398 0,194 2 R2 0,066 0,080 0,118 3


Setelah mendapatkan rangkuman hasil Global Weight Sub-kriteria dari 5

responden, maka akan diurutkan urutan proritas dari sub-kriteria dalam pemilihan

tanah merah di PT. Wijaya Karya (Persero) Tbk Pembangunan Jalan Tol Cengkareng

– Batu Ceper – Kunciran seperti tabel 4.28. Urutan prioritas berdasarkan hasil

perhitungan Global Weight Sub-Kriteria diatas

Tabel 4.25 Urutan Prioritas dan Hasil Global Weight Sub – Kriteria

Sub-Kriteria

Geometric Mean Sub-Kriteria

Global Weight Ranking

K2 0,208 1 R1 0,194 2 R2 0,118 3 S1 0,080 4 K1 0,075 5 D2 0,074 6 C2 0,057 7 S2 0,054 8 S3 0,049 9 C3 0,044 10 K3 0,025 11 D1 0,014 12 C1 0,008 13


81

4.2.6.4 Analisa Geometric Mean Alternatif

Tabel 4.26 Geometric Mean dari Alternatif

ALTERN

ATIF

KUALITAS 1 Geometric Mean

Respond en 1

Respond en 2

Respond en 3

Respond en 4

Respond en 5

Weig ht

Normali zed

S1

0,293

0,293

0,293

0,312

0,307

*0,30 0

**0,302

S2 0,204 0,204 0,204 0,193 0,108 0,177 0,179 S3 0,051 0,051 0,051 0,041 0,045 0,048 0,048 S4 0,252 0,252 0,252 0,242 0,330 0,264 0,266 S5 0,106 0,106 0,106 0,127 0,123 0,113 0,114 S6 0,093 0,093 0,093 0,083 0,087 0,090 0,091

0,993 1,000


Setelah mendapatkan hasil dari semua responden, selanjutnya penulis mengolah

semua data dari kelima responden untuk menghitung rata-ratanya atau geometric mean

dengan tujuan dapat menghasilkan urutan prioritas pada alternatif yaitu supplier tanah

merah.

Perhitungan Geometric Mean sama seperti cara dalam menghitung Geometric

Mean dari Sub – Kriteria sebelumya. Sub – Kriteria K1 sebagai contoh dalam

perhitungan Geometric Mean Alternatif. Sub – Kriteria lainnya terdapat pada

lampiran.

*0,300 = R7(0,293 � 0,204 � 0,051 � 0,252 � 0,106 � 0,093)

**0,302 = Weight S1 dibagi dengan total keseluruhan weight. 0,300 dibagi dengan

0,993

Pada tahap melakukan normalisasi kelima responden cenderung memilih

supplier 4 dalam pemenuhan sub-kriteria yang pertama yaitu Spesifikasi Bahan Baku

sebesar 0,266. Supplier kedua yang dipilih adalah Supplier 1 memiliki bobot

normalisasi 0,302. Begitu seterusnya. Untuk sub-kriteria lainnya terdapat dalam

halaman lampiran.

82

4.2.6.5 Hasil Perhitungan Analytical Hierarchy Process

Dalam AHP ini, penulis hanya akan menampilkan hasil perhitungan dari

geometric mean dari kualitas untuk perhitungan lainnya terdapat dalam lampiran.

Perhitungan Geometric Mean Alternatif pada kriteria kualitas bertujuan untuk menarik

angka perwakilan dari para responden mengenai alternatif terkait dengan sub – kriteria

yang ada. Berikut adalah hasil perhitungan Geometric Mean beserta Urutan Prioritas

dar Alternatif.

Tabel 4.27 Geometric Mean dan Urutan Prioritas dari Alternatif

SUB - KRITERIA

HASIL AKHIR GEOMETRIC MEAN

S1

S2

S3

S4

S5

S6

Global Weight

K1 0,293 0,204 0,051 0,252 0,106 0,093 0,208 K2 0,267 0,140 0,113 0,312 0,047 0,121 0,194 K3 0,094 0,166 0,053 0,190 0,411 0,086 0,118 C1 0,232 0,362 0,085 0,134 0,105 0,083 0,080 C2 0,283 0,081 0,149 0,118 0,227 0,141 0,075 C3 0,245 0,089 0,125 0,358 0,121 0,063 0,074 D1 0,199 0,038 0,165 0,144 0,098 0,355 0,057 D2 0,155 0,193 0,161 0,174 0,194 0,053 0,054 S1 0,047 0,104 0,169 0,258 0,325 0,098 0,049 S2 0,061 0,107 0,298 0,256 0,143 0,135 0,044 S3 0,222 0,205 0,157 0,266 0,064 0,085 0,025 R1 0,066 0,174 0,147 0,297 0,198 0,117 0,014 R2 0,072 0,275 0,118 0,145 0,270 0,119 0,008


Selanjutnya, untuk mendapatkan hasil bobot akhir alternatif. Maka global weight

atau bobot diatas dikalikan dengan bobot geometric mean sub-kriteria dengan hasil

sebagai berikut :

83

Tabel 4.28 Hasil Akhir Perhitungan AHP Pada Alternatif

SUB - KRITERIA


S1 S2 S3 S4 S5 S6

K1 *0,061 0,042 0,011 0,052 0,022 0,019

K2 0,052 0,027 0,022 0,061 0,009 0,024

K3 0,011 0,020 0,006 0,022 0,048 0,010

C1 0,019 0,029 0,007 0,011 0,008 0,007

C2 0,021 0,006 0,011 0,009 0,017 0,011

C3 0,018 0,007 0,009 0,027 0,009 0,005

D1 0,011 0,002 0,009 0,008 0,006 0,020

D2 0,008 0,010 0,009 0,009 0,011 0,003

S1 0,002 0,005 0,008 0,013 0,016 0,005

S2 0,003 0,005 0,013 0,011 0,006 0,006

S3 0,006 0,005 0,004 0,007 0,002 0,002

R1 0,001 0,002 0,002 0,004 0,003 0,002

R2 0,001 0,002 0,001 0,001 0,002 0,001

Total 0,215 0,164 0,112 0,235 0,160 0,114


Keterangan Tabel :

*0,061 = Nilai tersebut didapatkan dengan mengalikan global weight atau bobot pada

tabel 4.26 dikalikan dengan bobot geometric mean sub-kriteria. 0,208 dikalikan

dengan 0,293

Tabel 4.29 Analisis Hasil Perhitungan AHP

ALTERNATIF BOBOT AKHIR

Supplier 1 0,215

Supplier 2 0,164

Supplier 3 0,112

Supplier 4 0,235

Supplier 5 0,160

Supplier 6 0,114

1,000


84

Berdasarkan hasil perhitungan AHP pada tabel 4. 29. 1 dari 6 supplier memiliki

urutan prioritas pertama yaitu supplier 4. Supplier 4 memiliki bobot sebesar 0,235. Hal

tersebut menjadikan supplier 4 layak dijadikan supplier yang dipilih oleh PT. Wijaya

Karya (Persero) Tbk dalam memenuhi kebutuhan proyek akan tanah merah. Dalam

perhitungan AHP, supplier 4 unggul dalam 4 sub-kriteria yaitu dalam K2, C3, S3, dan

R1. Sedangkan 5 supplier yang lain hanya unggul dalam beberapa sub-kriteria lainnya.

Untuk menghasilkan perhitungan prioritas alternatif dari AHP, penulis melakukan uji

TOPSIS.

4.3 Metode Analisis TOPSIS

4.3.1 Matriks Keputusan

Dalam metode TOPSIS, langkah pertama adalah membuat matriks keputusan.

Dari data AHP yang telah dikelola diatas sebelumnya dapat dibuat matriks keputusan

seperti dibawah ini :

Tabel 4.30 Hasil Akhir Geometric Mean AHP

SUB - KRITERIA


S1

S2

S3

S4

S5

S6

Global Weight

K1 0,293 0,204 0,051 0,252 0,106 0,093 0,208 K2 0,267 0,140 0,113 0,312 0,047 0,121 0,194 K3 0,094 0,166 0,053 0,190 0,411 0,086 0,118 C1 0,232 0,362 0,085 0,134 0,105 0,083 0,080 C2 0,283 0,081 0,149 0,118 0,227 0,141 0,075 C3 0,245 0,089 0,125 0,358 0,121 0,063 0,074 D1 0,199 0,038 0,165 0,144 0,098 0,355 0,057 D2 0,155 0,193 0,161 0,174 0,194 0,053 0,054 S1 0,047 0,104 0,169 0,258 0,325 0,098 0,049 S2 0,061 0,107 0,298 0,256 0,143 0,135 0,044 S3 0,222 0,205 0,157 0,266 0,064 0,085 0,025 R1 0,066 0,174 0,147 0,297 0,198 0,117 0,014 R2 0,072 0,275 0,118 0,145 0,270 0,119 0,008

S Sumber : Pengolahan data primer, 2019.

85

4.3.2 Matriks Keputusan Ternomalisasi

Setelah menyusun matriks keputusan, selanjutnya membuat matriks

keputusan ternomalisasi. Tujuan dari matriks keputusan ternomalisasi adalah

untuk menghetaui bobot dari masing - masing keputusan. Matriks keputusan

ternormalisasi memiliki rumus sebagai berikut :

Tabel 4.31 Matriks Keputusan Ternormalisasi

SUB - KRITERI

A

Hasil Akhir Geomteric Mean

S1

S2

S3

S4

S5

S6 TOTA

L

Akar

K1

*0,086

0,042

0,003

0,064

0,011

0,009

**0,214 ***0,46

2

K2

0,071

0,020

0,013

0,097

0,002

0,015

0,218

0,467

K3

0,009

0,028

0,003

0,036

0,169

0,007

0,252

0,502

C1

0,054

0,131

0,007

0,018

0,011

0,007

0,228

0,477

C2

0,080

0,007

0,022

0,014

0,052

0,020

0,194

0,441

C3

0,060

0,008

0,016

0,128

0,015

0,004

0,230

0,480

D1

0,040

0,001

0,027

0,021

0,010

0,126

0,225

0,474

D2

0,024

0,037

0,026

0,030

0,038

0,003

0,158

0,397

S1

0,002

0,011

0,029

0,067

0,106

0,010

0,223

0,473

S2

0,004

0,011

0,089

0,066

0,020

0,018

0,208

0,456

S3

0,049

0,042

0,025

0,071

0,004

0,007

0,198

0,445

R1

0,004

0,030

0,022

0,088

0,039

0,014

0,197

0,444

R2

0,005

0,076

0,014

0,021

0,073

0,014

0,203

0,450


]/[ 5[ ^ X\] WX Y∑X

UV =

5WX , j = 1,2,3,…,j,I = 1,2,3,…, n.

86

Keterangan Tabel :

*0,086 = Perhitungan dari hasil akhir geometric mean AHP dikuadratkan atau di

pangkatkan 2 (0,2932)

**0,214 = Penjumlahan dari hasil akhir geometric mean yang sudah dikuadratkan

(0,086+0,042+0,003+0,064+0,011+0,009)

***0,462 = Hasil dari melakukan pengkaran pada kolom total atau total hasil akhir

geometric mean (√0,214). Langkah selanjutnya adalah melakukan perhitungan

terhadap matriks keputusan ternormalisasi.

Tabel 4.32 Matriks Keputusan Ternomalisasi Supplier 1 – Supplier 3

SUB - KRITERIA

Hasil Akhir Geomteric Mean Akar

Normalized Decision Matrix S1 S2 S3 S1 S2 S3

K1 0,086 0,042 0,003 0,462 0,186 0,090 0,006 K2 0,071 0,020 0,013 0,467 0,153 0,042 0,027 K3 0,009 0,028 0,003 0,502 0,018 0,055 0,006 C1 0,054 0,131 0,007 0,477 0,113 0,274 0,015 C2 0,080 0,007 0,022 0,441 0,182 0,015 0,050 C3 0,060 0,008 0,016 0,480 0,125 0,017 0,033 D1 0,040 0,001 0,027 0,474 0,084 0,003 0,057 D2 0,024 0,037 0,026 0,397 0,060 0,094 0,065 S1 0,002 0,011 0,029 0,473 0,005 0,023 0,060 S2 0,004 0,011 0,089 0,456 0,008 0,025 0,195 S3 0,049 0,042 0,025 0,445 0,111 0,094 0,055 R1 0,004 0,030 0,022 0,444 0,010 0,068 0,049 R2 0,005 0,076 0,014 0,450 0,012 0,168 0,031


Tabel 4.33 Lanjutan Matriks Keputusan Ternomalisasi Supplier 4 – Supplier 6

SUB - KRITERI

A

Hasil Akhir Geomteric Mean Aka

r

Normalized Decision Matrix

S4 S5 S6 S4 S5 S6

K1

0,064

0,011

0,009 0,46

2

*0,137

0,024

0,019

87

K2

0,097

0,002

0,015

0,46 7

0,209

0,005

0,031

K3

0,036

0,169

0,007

0,50 2

0,072

0,337

0,015

C1

0,018

0,011

0,007

0,47 7

0,038

0,023

0,014

C2

0,014

0,052

0,020

0,44 1

0,032

0,117

0,045

C3

0,128

0,015

0,004

0,48 0

0,267

0,031

0,008

D1

0,021

0,010

0,126

0,47 4

0,044

0,020

0,266

D2

0,030

0,038

0,003

0,39 7

0,076

0,095

0,007

S1

0,067

0,106

0,010

0,47 3

0,141

0,224

0,020

S2

0,066

0,020

0,018

0,45 6

0,144

0,045

0,040

S3

0,071

0,004

0,007

0,44 5

0,159

0,009

0,016

R1

0,088

0,039

0,014

0,44 4

0,199

0,088

0,031

R2

0,021

0,073

0,014

0,45 0

0,047

0,162

0,031


Keterangan Tabel :

*0,137 = hasil tersebut didapatkan dari pembagian dari hasil akhir geometric mean

dengan hasil akar dari nilai akhir geometric mean (0,064 dibagi dengan 0,462). Untuk

perhitungan normalisasi pada masing-masing supplier mengikuti langkah tersebut.

4.3.3 Matriks Keputusan Ternomalisasi Berbobot

Tujuan dari perhitungan matriks ini adalah menghetaui bobot pada

masing – masing matriks keputusan yang telah ternormalisasi. Untuk

menghetaui nilai bobot masing – masing sub – kriteria dari beberapa supplier

penulis melakukan perkalian angka pada setiap kolom pada matriks keputusan

yang telah ternormalisasi dengan bobot yang bersangkutan. Geometric mean

yang digunakan dalam perhitungan ini adalah hasil dari geometric mean global

weight dari sub – kriteria yang telah diolah dengan metode AHP di atas.

88

Tabel 4. 34 Matriks Keputusan Ternormalisasi Berbobot

SUB -

KRITERI A

Normalize d

Geometric Mean Global Weight Sub -

Kriteria

Normalized Decision Matriks

Weight Normlized Decision Matrix

S1

S2

S3

S1

S2

S3

K1 0,208

0,186

0,090

0,006

* 0,039

0,019

0,001

K2 0,194

0,153

0,042

0,027

0,030

0,008

0,005

K3 0,118

0,018

0,055

0,006

0,002

0,006

0,001

C1 0,08

0,113

0,274

0,015

0,009

0,022

0,001

C2 0,075

0,182

0,015

0,050

0,014

0,001

0,004

C3 0,074

0,125

0,017

0,033

0,009

0,001

0,002

D1 0,057

0,084

0,003

0,057

0,005

0,000

0,003

D2 0,054

0,060

0,094

0,065

0,003

0,005

0,004

S1 0,049

0,005

0,023

0,060

0,000

0,001

0,003

S2 0,044

0,008

0,025

0,195

0,000

0,001

0,009

S3 0,025

0,111

0,094

0,055

0,003

0,002

0,001

R1 0,014

0,010

0,068

0,049

0,000

0,001

0,001

R2 0,008

0,012

0,168

0,031

0,000

0,001

0,000


Tabel 4.35 Lanjutan Matriks Keputusan Ternormalisasi Berbobot

SUB - KRITERIA

Normalized Decision Matriks

Weight Normlized Decision Matrix

S4 S5 S6 S4 S5 S6

K1 0,137 0,024 0,019 0,029 0,005 0,029

V ij = wij x rij

89

K2 0,209 0,005 0,031 0,040 0,001 0,040

K3 0,072 0,337 0,015 0,008 0,040 0,008

C1 0,038 0,023 0,014 0,003 0,002 0,003

C2 0,032 0,117 0,045 0,002 0,009 0,002

C3 0,267 0,031 0,008 0,020 0,002 0,020

D1 0,044 0,020 0,266 0,002 0,001 0,002

D2 0,076 0,095 0,007 0,004 0,005 0,004

S1 0,141 0,224 0,020 0,007 0,011 0,007

S2 0,144 0,045 0,040 0,006 0,002 0,006

S3 0,159 0,009 0,016 0,004 0,000 0,004

R1 0,199 0,088 0,031 0,003 0,001 0,003

R2 0,047 0,162 0,031 0,000 0,001 0,000

Sumber :Pengolahan data primer, 2019.

Keterangan Tabel :

*0,039 = hasil tersebur didapatkan dengan cara mengalikan angka sub-kriteria K1

dengan kolom bobot normalized geometric mean global weight yang bersangkutan

(0,208 x 0,186). Untuk menghitung matriks keputusan ternormalisasi pada masing –

masing supplier terhadap seluruh sub – kriteria ikuti cara perhitungan dalam

menghitung sub-kriteria K1 diatas.

4.3.4 Solusi Ideal Positif dan Solusi Ideal Negatif

Pada metode TOPSIS, sangat berkaitan dengan solusi ideal dan solusi negatif.

Hasil yang telah ditemukan selanjutnya akan ditentukan berdasarkan solusi ideal

positif dan solusi ideal negatif. Rumus yang digunakan dalam perhitungan solusi ideal

positif dan solusi ideal negatif sebagai berikut :

A. Solusi Ideal Positif

A+ = {(max (vij) j ∈ J), (min (vij)J ∈ j’) }

i = 1,2,3,.. m } = V1 + V2 + … + Vn + }

A+ = {(max (vij) j ∈ J), (min (vij)J ∈ j’) }

i = 1,2,3,.. m } = V1 - V2 - … - Vn - }

90

Tabel 4.36 Solusi Ideal Positif dan Solusi Ideal Negatif

SUB -

KRITERIA

Solusi Ideal Positif dan Negatif

Vij + Vij -

K1 0,0387 0,0012

K2 0,0405 0,0009

K3 0,0397 0,0007

C1 0,0220 0,0012

C2 0,0137 0,0011

C3 0,0198 0,0012

D1 0,0048 0,0002

D2 0,0051 0,0033

S1 0,0110 0,0002

S2 0,0086 0,0004

S3 0,0040 0,0002

R1 0,0028 0,0001

R2 0,0013 0,0001


Keterangan Tabel :

V ij + = hasil dari mencari angka yang paling besar untuk masing – masing sub – kriteria

angka yang didapatkan dari kolom matriks keputusan ternormalisasi berbobot.

V ij - = hasil dari mencari angka yang paling kecil untuk masing – masing sub – kriteria

angka yang didapatkan dari kolom matriks keputusan ternormalisasi berbobot.

4.3.5 Separation Measure

Untuk mengukur jarak antara alternatif ke solusi ideal positif dan solusi ideal

negatif adalah fungsi dari Separation Measure.

91

VeU

VeU

A. Perhitungan dalam solusi ideal positif seperti berikut :

S1* = `∑& ( 7!8 9 78 ∗) 2

B. Perhitungan dalam solusi ideal negatif seperti berikut :

S1- = ̀ ∑& ( 7!8 9 78 9) 2

Tabel 4.37 Hasil dari Solusi Ideal Positif dan Solusi Ideal Negatif

SUB -

KRITE RIA

Weight Normlized Decision

Matrix

Weight Normlized Decision

Matrix

Solusi Ideal Positif

dan Negatif

S1 S2 S3 S4 S5 S6 Vij + Vij -

K1

0,039

0,019

0,001

0,029

0,005

0,029

0,038

7

0,001

2

K2

0,030

0,008

0,005

0,040

0,001

0,040

0,040

5

0,000

9

K3

0,002

0,006

0,001

0,008

0,040

0,008

0,039

7

0,000

7

C1

0,009

0,022

0,001

0,003

0,002

0,003

0,022

0

0,001

2

C2

0,014

0,001

0,004

0,002

0,009

0,002

0,013

7

0,001

1

C3

0,009

0,001

0,002

0,020

0,002

0,020

0,019

8

0,001

2

D1

0,005

0,000

0,003

0,002

0,001

0,002

0,004

8

0,000

2

D2

0,003

0,005

0,004

0,004

0,005

0,004

0,005

1

0,003

3

S1

0,000

0,001

0,003

0,007

0,011

0,007

0,011

0

0,000

2

92

S2

0,000

0,001

0,009

0,006

0,002

0,006

0,008

6

0,000

4

S3

0,003

0,002

0,001

0,004

0,000

0,004

0,004

0

0,000

2

R1

0,000

0,001

0,001

0,003

0,001

0,003

0,002

8

0,000

1

R2

0,000

0,001

0,000

0,000

0,001

0,000

0,001

3

0,000

1


Tabel 4. 38 Lanjutan Hasil Separation Measure dari Solusi Ideal Positif

SUB - KRITERIA

Separation Measure dari Solusi Ideal Positif

S1 S2 S3 S4 S5 S6

K1 - *0,020 0,038 0,010 0,034 0,036

K2 0,011 0,032 0,035 - 0,040 0,034

K3 0,038 0,033 0,039 0,031 - 0,039

C1 0,013 - 0,021 0,019 0,020 0,021

C2 - 0,013 0,010 0,011 0,005 0,012

C3 0,011 0,019 0,017 - 0,018 0,018

D1 - 0,005 0,001 0,002 0,004 0,007

D2 0,002 0,000 0,002 0,001 - 0,005

S1 0,011 0,010 0,008 0,004 - 0,008

S2 0,008 0,007 - 0,002 0,007 0,003

S3 0,001 0,002 0,003 - 0,004 0,001

R1 0,003 0,002 0,002 - 0,002 0,003

R2 0,001 - 0,001 0,001 0,000 0,000

TOTAL 0,098 0,142 0,177 0,082 0,131 0,187

AKAR 0,313 0,377 0,420 0,287 0,362 0,433


93

Tabel 4.39 Lanjutan Hasil Separation Measure dari Solusi Ideal Negatif

SUB - KRITERIA

Separation Measure dari Solusi Ideal Negatif

S1 S2 S3 S4 S5 S6

K1 0,038 * 0,018 - 0,028 0,004 0,002

K2 0,029 0,007 0,004 0,039 - 0,006

K3 0,001 0,005 - 0,007 0,039 0,000

C1 0,008 0,021 - 0,002 0,001 0,000

C2 0,013 - 0,003 0,001 0,008 0,000

C3 0,008 - 0,001 0,019 0,001 0,001

D1 0,005 - 0,003 0,002 0,001 0,012

D2 - 0,002 0,001 0,001 0,002 0,002

S1 - 0,001 0,003 0,007 0,011 0,003

S2 - 0,001 0,009 0,006 0,002 0,006

S3 0,003 0,002 0,001 0,004 - 0,003

R1 - 0,001 0,001 0,003 0,001 0,006

R2 - 0,001 - - 0,001 0,001

TOTAL 0,105 0,059 0,026 0,119 0,071 0,042

AKAR *0,324 0,243 0,161 0,345 0,266 0,205

Sumber : Pengolahan data primer, 2019

Keterangan Tabel :

*0,020 = hasil tersebut didapatkan dari 7(0,019 9 ;!8g ) atau 7(0,019 − 0,039)

**0,018 = hasil tersebut didapatkan dari 7(0,019 − ;!8, ) atau 7(0,019 − 0,001)

***0,324 = hasil tersebut didapatkan dari hasil pengakaran total sum Separation

Measure Solusi Ideal Positif atau 70,105

4.3.6 Relative Closeness

Langkah terakhir dalam metode TOPSIS adalah dengan menghitung Relative

Closeness atau kedekatan relative. Kedekatan Relatif berfungsi untuk mengurutkan

94

(! h

urutan prioritas dari setiap alternatif supplier tanah merah. Cara menghitung kedekatan

relatif menggunakan rumus seperti berikut :

Ct1 = h ]

9 ] hi] )

, i = 1,2,…,j

Alternatif diurutkan dari yang terbaik hingga terburuk sesuai dengan hasil

perhitungan dari Relative Closeness Alternatif yang dipilih adalah alternatif yang

memiliki nilai Closeness Coeficient yang tertinggi.

Tabel 4.40 Hasil Akhir Analisa TOPSIS

Alternatif Hasil Rank

Supplier 4 0,953 1 Supplier 1 0,509 2 Supplier 2 0,423 3

Supplier 5 0,390 4 Supplier 6 0,321 5

Supplier 3 0,277 6 Sumber : Pengolahan data primer, 2019.

Setelah menghitung nilai Relative Closeness diatas, maka didapatkan urutan

prioritas alternatif. Supplier 1 layak menjadi supplier terbaik dalam menyuplai tanah

merah untuk PT. Wijaya Karya (Persero) Tbk. Dalam perhitungan Relative Closeness

diatas perhitungan supplier 4 memiliki jarak terjauh dari solusi ideal negatif dan

memiliki jarak terdekat atau terpendek dari solusi ideal negatif.

4.4 Implikasi Penelitian

4.4.1 Secara Teoritis

Menurut teori yang dikemukakan Zouggari dan Benyoucef (2012) dan Rezaei dan

Ortt (2013) tentang kriteria supplier terdapat 34 kategori kriteria. Tetapi penulis

melakukan wawancara terhadap staff pengadaan dan mendapatkan hasil bahwa dalam

!

95

kegiatan menyuplai tanh merah staff pengadaan barang dan jasa PT. Wijaya Karya

(Persero) Tbk Proyek Pembangunan jalan Tol Cengkareng – Batu Ceper – Kunciran

hanya mempettimbangkan 6 kriteria. 6 kriteria yang dipilih adalah kualitas, cost,

delivery atau pengiriman, flexibilitas pemesanan, reputation. Dari 6 supplier tersebut,

penulis melakukan pengolahan data dengan metode AHP dengan tujuan melakukan

urutan prioritas terhadap kriteria tersebut.

Berdasarkan hasil penelitian yang telah dilakukan oleh penulis hasil diatas

menunjukan bahwa kriteria Kualitas menjadi kriteria utama PT. Wijaya Karya

(Persero) Tbk Proyek Pembangunan jalan Tol Cengkareng – Batu Ceper - Kunciran

dalam pemilihan supplier tanah merah. Kriteria Kualitas memiliki bobot yang paling

tinggi diantara 5 kriteria lainnya. Hal ini mendukung penelitian yang dilakukan oleh

Ozkan, Basligil dan Sahin (2011) yang dalam penelitiannya menunjukan bahwa

kriteria Kualitas adalah kriteria yang memiliki bobot tertinggi dari alternatif lainnya.

Oleh karena itu Ozkan, Basligil dan Sahin (2011) mengemukakan bahwa kriteria

Kualitas adalah kriteria tertinggi.

4.4.2 Secara Praktis

A. Penentuan Kriteria

Hasil analisis dengan meggunakan metode AHP diatas penulis mendapatkan hasil

praktis. Hasil praktis tersebut yaitu hasil urutan prioritas dalam memilih kriteria

pemilihan tanah merah yang akan digunakan oleh PT. Wijaya Karya (Persero) Tbk

dalam Proyek Pembangunan jalan Tol Cengkareng – Batu Ceper – Kunciran. Urutan

prioritas kriteria pemilihan tanah merah PT. Wijaya Karya (Persero) Tbk Proyek

Pembangunan jalan Tol Cengkareng – Batu Ceper - Kunciran sebagai berikut :

Tabel 4.41 Hasil Urutan Prioritas Kriteria

KRITERIA Bobot Rank

Kualitas 0,269 1

Reputation 0,240 2

Service 0,189 3

Cost 0,173 4

Delivery 0,129 5 Sumber : Pengolahan data primer, 2019.

96

Kualitas menjadi urutan pertama dalam pemilihan kriteria tanah merah. Pada PT.

Wijaya Karya (Persero) Tbk Proyek Pembangunan Jalan Tol Cengkareng – Batu Ceper

– Kunciran menunjukan bahwa kualitas dalam pemilihan tanah merah sangat

mempengaruhi karena dalam suatu proyek kualitas sangat diperhatikan. Jika kualitas

yang dipilih salah atau tidak sesuai kriteria berdampak cukup besar dalam dalam

terwujudnya proyek tersebut. Menurut PT. Wijaya Karya (Persero) Tbk Proyek

Pembangunan jalan Tol Cengkareng – Batu Ceper – Kunciran kualitas tanah merah

yang baik adalah memiliki kegemburan tanah yang tinggi, dapat disimpulkan jika

semakin gembur tanah akan semakin cocok untuk proyek karena tidak mudah rusak

atau cacat.

Kriteria yang penting selanjutnya adalah reputation dari supplier. PT. Wijaya

Karya (Persero) Tbk Proyek sangat mementingkan reputasi suppliernya, karena jika

supplier tersebut memiliki reputasi yang baik maka perusahaan yakin bahwa supplier

memiliki kualitas tanah merah yang baik pula. Reputasi supplier sangat

mempengaruhi tim pengadaan dalam memiliki supplier contohnya tim pengadaan

selalu mengadakan survey terhadap konsumen supplier tersebut bagaimana kinerja

supplier dan kualitas dari tanah merah. Jika history konsumen supplier positif itu

menjadi nilai tambahan untuk tim pengadaan dalam memilih supplier tersebut. Selain

itu PT. Wijaya Karya (Persero) Tbk Proyek Pembangunan jalan Tol Cengkareng –

Batu Ceper – Kunciran selalu mengutamakan supplier yang mempunyai standar ISO

180. Dimana supplier yang memiliki standar ISO 180 dianggap layak menjadi salah

satu supplier yang dipilih.

Selanjutnya kriteria ketiga yaitu service memiliki bobot 0,269. Pada PT. Wijaya

Karya (Persero) Tbk Proyek Pembangunan jalan Tol Cengkareng – Batu Ceper –

Kunciran memiliki sub-kriteria flexibilitas pemesanan, pemecahan masalah dan

kemampuan memberikan informasi. Ketiga sub-kriteria tersebut dianggap penting

oleh tim pengadaan dalam pemilihan supplier. Jika salah satu sub-kriteria tidak

dimiliki oleh supplier maka menjadi nilai minus untuk tim pengadaan dalam memilih

supplier tersebut. PT. Wijaya Karya (Persero) Tbk Proyek Pembangunan jalan Tol

Cengkareng – Batu Ceper – Kunciran lebih memilih supplier yang melakukan

sosialisasi terlebih dahulu tentang produk yang mereka tawarkan. Sehingga PT.

97

Wijaya Karya (Persero) Tbk Proyek Pembangunan jalan Tol Cengkareng – Batu Ceper

– Kunciran menghetaui dengan spesifik produk yang supplier tawarkan dan tidak

terjadi kesalahan spesifikasi produk saat sudah melakukan pembayaran.

Kriteria keempat yang memiliki bobot 0,173 tidak jauh berbeda dengan kriteria

Service yaitu Cost. Karena dalam proyek memiliki budget yang sangat terbatas maka

dari itu tim pengadaan harus sangat mempetimbangkan cost dari tanah merah. Sebagai

contoh adalahnya harga tanah merah itu sendiri. PT. Wijaya Karya (Persero) Tbk

Proyek Pembangunan jalan Tol Cengkareng – Batu Ceper – Kunciran lebih memilih

harga tanah merah yang lebih murah karena keterbatasan dana, tidak hanya murah

kualitas tanah merah yang diberikan juga harus dilihat terlebih dahulu. Selain itu dalam

hal ongkos, PT. Wika selalu melihat jarak antara supplier terhadap proyek karena itu

sangat mempengaruhi ongkos yang akan dibayar oleh perusahaan.

Delivery atau Pengiriman menjadi kriteria ke 5 dengan bobot 0,129 dalam

pemilihan supplier tanah merah. PT. Wijaya Karya (Persero) Tbk Proyek

Pembangunan jalan Tol Cengkareng – Batu Ceper – Kunciran lebih mengutamakan

supplier yang dapat mengirmkan produknya dengan tepat waktu, dengan alasan

sebuah proyek memiliki jangka waktu yang telah ditentukan sebelumnya. Oleh karena

itu, PT. Wika selalu mencari supplier yang dapat memenuhi kebutuhan tanah merah

proyek dengan tepat waktu.

B. Penentuan Supplier

Selain mengolah data untuk melihat urutan prioritas terhadap kriteria tanah

merah yang dibutuhkan oleh PT. Wijaya Karya (Persero) Tbk Proyek Pembangunan

jalan Tol Cengkareng – Batu Ceper – Kunciran penulis melakukan penelitian untuk

menghetaui supplier mana yang paling tepat untuk menyuplai tanah merah kepada PT.

Wijaya Karya (Persero) Tbk Proyek Pembangunan jalan Tol Cengkareng – Batu Ceper

– Kunciran. Dari ke enam supplier tersebut akan dipilih memlalui kuisoner yang telah

disebar oleh penulis kepada staff pengadaan barang dan jasa. Hasil dari pengolahan

data yang dilakukan penulis dengan menggunakan metode AHP adalah sebagai

berikut.

98

Tabel 4.42 Hasil Akhir Analisa AHP

Alternatif Weight Supplier 1 0,215

Supplier 2 0,164

Supplier 3 0,112

Supplier 4 0,235

Supplier 5 0,160 Supplier 6 0,114


Pada tabel 4.42. Supplier 4 menjadi supplier yang memiliki bobot tertinggi yaitu

0,235. Supplier 4 unggul dalam beberapa sub-kriteria, yaitu kegemburan tanag merah

(K2), Ongkos (C3), Kemampuan Memberikan Informasi (S3), Performa Perusahaan

(R1) dan Performa Persuahaan (R1). Supplier 4 memiliki keunggulan hampir disetiap

sub-kriteria. Supplier lainnya hanya unggul dalam beberapa sub-kriteria. Oleh karena

itu, supplier 4 dapat memenuhi kebutuhan tanah merah untuk PT. Wijaya Karya

(Persero) Tbk Proyek Pembangunan jalan Tol Cengkareng – Batu Ceper – Kunciran.

Tabel 4.43 Hasil Akhir Analisa TOPSIS

Alternatif Hasil Rank

Supplier 4 0,953 1

Supplier 1 0,509 2

Supplier 2 0,423 3

Supplier 5 0,390 4

Supplier 6 0,321 5

Supplier 3 0,277 6


Pada tabel 4.41 menghasilkan hasil dari perhitungan urutan prioritas dalam

pemilihan supplier dengan

BAB IV HASIL PENELITIAN 4.1.1 PT Wijaya Karya (Persero) Tbk … · 2020. 3. 28. · Tbk didirikan...

Documents

Transcript of BAB IV HASIL PENELITIAN 4.1.1 PT Wijaya Karya (Persero) Tbk … · 2020. 3. 28. · Tbk didirikan...