JURUSAN TEKNIK INDUSTRI FAKULTAS TEKNIK … filePENGADAAN BARANG PEMERINTAH MENGGUNAKAN PAIRWISE...

perpustakaan.uns.ac.id digilib.uns.ac.id

commit to user

i

MODEL PEMILIHAN UNTUK METODE KONTES DALAM

PENGADAAN BARANG PEMERINTAH MENGGUNAKAN PAIRWISE

COMPARISON DAN TOPSIS

Skripsi

Sebagai Persyaratan Untuk Memperoleh Gelar Sarjana Teknik

YANUAR WAHYU WIDIANTO

I 0308073

JURUSAN TEKNIK INDUSTRI FAKULTAS TEKNIK

UNIVERSITAS SEBELAS MARET

SURAKARTA

2012


commit to user

i

ABSTRAK

YANUAR WAHYU W, NIM : I0308073, MODEL PEMILIHAN UNTUK METODE KONTES DALAM PENGADAAN BARANG PEMERINTAH MENGGUNAKAN PAIRWISE COMPARISON DAN TOPSIS. Skripsi. Surakarta : Jurusan Teknik Industri Fakultas Teknik, Universitas Sebelas Maret, September 2012.

Proses penentuan pemenang merupakan salah satu bagian kritis dalam aktivitas pengadaan barang menggunakan metode kontes karena barang yang diperlombakan tidak mempunyai harga pasar dan tidak dapat ditetapkan berdasarkan harga satuan. Berdasarkan studi kasus yang dilakukan, penilaian pemenang kontes dilakukan menggunakan scoring dan menentukan pemenang berdasarkan nilai rata-rata dari beberapa juri. Penelitian ini memberikan alternatif metode yang dapat digunakan dalam penilaian pemenang, yakni penggabungan metode antara pairwise comparison dalam analytic hierarchi process dan TOPSIS. Metode pairwise comparison digunakan untuk menghitung bobot setiap kriteria pengadaan barang, sedangkan metode TOPSIS digunakan untuk menghitung nilai setiap peserta peserta pengadaan barang dalam proses penentuan pemenang. Metode tersebut diuji pada data hipotetik untuk kasus kontes kereta kencana Kota Surakarta tahun 2011. Berdasarkan hasil penghitungan, metode tersebut mampu mengatasi variabilitas data yang tinggi dibandingkan metode scoring. Selain itu, dibuat aplikasi sistem pendukung keputusan untuk membantu panitia dan juri dalam melakukan proses pengadaan barang menggunakan metode kontes. Kata kunci: kontes, pengadaan barang, analytic hierarchi process, TOPSIS.

.


commit to user

ii

ABSTRACT

YANUAR WAHYU W, NIM : I0308073, SELECTION MODEL OF CONTEST METHOD IN PUBLIC PROCUREMENT USING PAIRWISE COMPARISON AND TOPSIS. Skripsi. Surakarta : Jurusan Teknik Industri Fakultas Teknik, Universitas Sebelas Maret, September 2012.

Selection process of a winner is a critical stage in procurement activity

used contest method because good which is contested doesn’t have market and unit price. Based on a case study that has been done, the assesments of the participants are done by scoring method and the winner of the contest is determined based on average score from several judges. This research gives an alternative method that can be used for the winner assessment, that is intregated of pairwise comparison method in analytical hierarchi process and technique for order preference by similarity to ideal solution (TOPSIS). Pairwise comparison method is used for calculating the weight of each procurement criteria, whereas TOPSIS method is used for calculating the value of each procurement participant in selection process of the winner. This method was tested by hipotetic data for Kontes Kereta Kencana in Surakarta City 2011. Based on calculation result, the model is better in coping high variability data then scoring method. Besides, a decision supporting system application is made to help commitee and judges performing procurement process using contest method.

Keywords: contest, procurement, analytic hierarchi process, TOPSIS.


commit to user

I-1

BAB I PENDAHULUAN

Pada bab ini dijelaskan mengenai latar belakang masalah, perumusan

masalah, tujuan dan manfaat dari penelitian yang telah dilakukan. Selanjutnya

diuraikan mengenai batasan masalah, asumsi yang digunakan dalam permasalahan

dan sistematika penulisan untuk menyelesaikan penelitian.

1.1 Latar Belakang Masalah

Pengadaan Barang/Jasa merupakan kegiatan untuk memperoleh barang/jasa

oleh Kementerian/Lembaga/Satuan Kerja Perangkat Daerah/Institusi (K/L/S/I)

lainnya yang prosesnya dimulai dari perencanaan kebutuhan sampai

diselesaikannya seluruh kegiatan untuk memperoleh barang/jasa. Proses

pengadaan barang dan jasa diatur dalam Peraturan Presiden Nomor 54 Tahun

2010 tentang Pengadaan Barang dan Jasa Pemerintah. Lembaga Kebijakan

Pengadaan Barang/Jasa (LKPP) melalui Modul Pengantar Pengadaan Barang/Jasa

di Indonesia menjelaskan beberapa prinsip yang harus dijadikan dasar pengadaan

barang dan jasa yaitu efisien, efektif, transparan, terbuka, bersaing, adil/tidak

diskriminatif dan akuntabel. Metode yang dapat digunakan untuk memilih

penyedia barang terdiri dari pelelangan, seleksi, pemilihan langsung, penunjukan

langsung, pengadaan langsung dan kontes/sayembara.

Peraturan Presiden Republik Indonesia Nomor 54 Tahun 2010,

mendifinisikan metode kontes adalah metode pemilihan penyedia barang yang

memperlombakan barang/benda tertentu yang tidak mempunyai harga pasar dan

yang harga/biayanya tidak dapat ditetapkan berdasarkan Harga Satuan. Tahapan

dari metode kontes dalam pengadaan barang meliputi pengumuman, pendaftaran

dan pengambilan dokumen kontes, pemberian penjelasan, pemasukan proposal,

pembukaan proposal, pemeriksaan administrasi dan penilaian proposal teknis,

pembuatan berita acara hasil kontes, penetapan pemenang, pengumuman


commit to user

I-2

pemenang, dan penunjukan pemenang. Tujuan adanya metode kontes dalam

pengadaan barang diharapkan dapat membantu lembaga atau instansi sebagai

metode yang dapat digunakan untuk pengadaan barang yang bersifat unik, tidak

mempunyai harga satuan dan mempunyai sifat budaya.

Saat ini metode kontes telah digunakan oleh beberapa instansi dalam suatu

pengadaan barang. Dalam beberapa kasus pengadaan barang menggunakan

metode kontes penilaian yang dilakukan bersifat scoring dengan rentang nilai

tertentu untuk beberapa aspek penilaian. Lembaga Kebijakan Pengadaan Barang

sendiri tidak mengatur teknis penilaian dari metode kontes pengadaan barang.

Laise (2004) berpendapat bahwa pendekatan scoring dan rata-rata yang digunakan

untuk menentukan organisasi yang menjadi best in class memiliki kelemahan.

Rata-rata merupakan suatu ukuran kecenderungan terpusat dari suatu kelompok

data dan cukup mewakili jika data mempunyai suatu variabilitas yang rendah,

tetapi jika dilakukan pengamatan dengan variabilitas tinggi, rata-rata bukan

ukuran yang baik. Menggunakan rata-rata dapat menghilangkan informasi yang

pantas dipertimbangkan dan oleh karena itu tidak cocok digunakan untuk

membuat perbandingan.

Berdasarkan informasi tersebut, tentunya ada metode-metode yang lain untuk

menutupi kelemahan dari metode scoring dan rata-rata. Dilihat dari jumlah kriteria

yang digunakan dalam beberapa kasus permasalahan pengadaan barang dengan

metode kontes, permasalahan tersebut dapat dikategorikan dalam Multi Criteria

Decision Making (MCDM) dan karena tujuannya menyeleksi alternatif terbaik

dari beberapa alternatif maka dapat dikelompokkan sebagai Multiple Attribute

Decision Making (MADM).

Terdapat beberapa metode yang dapat digunakan untuk menyelesaikan

masalah MADM. Jafari dkk (2009) mengusulkan kerangka kerja untuk memilih

metode penilaian kinerja terbaik menggunakan Simple Additive Weighting Method


commit to user

I-3

(SAW). Jadidi dkk (2010) menyebutkan metode Technique for Order Preference

by Similarity to Ideal Solution (TOPSIS) lebih tepat digunakan untuk menentukan

penyedia pada suatu perusahaan. Ayag dan Ozdemir (2006) menggunkan Analytic

Hierarchy Process (AHP) untuk menentukan alternatif mesin terbaik untuk

digunakan dalam suatu perusahaan. Laise (2004) mengusulkan penggunaan

metode yang merupakan pengembangan dari konsep outranking yaitu Elimination

Et Coix Traduisant La Realite ( ELECTRE).

Penelitian ini memakai metode perbandingan berpasangan (pairwise

comparison) dari AHP kemudian dilanjutkan dengan metode TOPSIS. Metode ini

dipilih karena metode ini menentukan nilai bobot untuk setiap kriteria, kemudian

dilanjutkan dengan proses perhitungan dengan metode TOPSIS yang akan

menyeleksi alternatif terbaik dari sejumlah alternatif. Metode TOPSIS banyak

digunakan untuk menyelesaikan masalah keputusan secara praktis. Konsepnya

sederhana dan mudah dipahami, komputasinya efisien dan memiliki kemampuan

untuk mengukur kinerja relatif dari alternatif-alternatif keputusan kedalam bentuk

matematis yang sederhana (Kusumadewi dkk, 2006 ). Pemilihan metode ini juga

mempertimbangkan kemudahan bagi pengguna Sistem Pendukung Keputusan

(SPK) yang akan dibentuk.

Turban (1995) mendefinisikan SPK sebagai sistem informasi berbasis

komputer yang adaptif, interaktif, fleksibel, yang secara khusus dikembangkan

untuk mendukung solusi dari pemasalahan manajemen yang tidak terstruktur

untuk meningkatkan kualitas pengambilan keputusan. SPK yang dibentuk akan

membantu penentuan siapa yang berhak untuk menjadi penyedia dalam kontes

pengadaan barang dan jasa. Pemilihan penyedia barang yang baik seharusnya

sesuai dengan kriteria-kriteria yang telah ditetapkan, karena itu selain memiliki

fungi utama untuk pemilihan penyedia kontes, SPK yang dirancang harus bersifat

fleksibel terhadap perubahan tingkat kepentingan kriteria pemilihan yang


commit to user

I-4

digunakan. SPK yang dirancang juga diharapkan dapat mempercepat proses

pemilihan penyedia dalam suatu kontes pengadaan barang.

1.2 Perumusan Masalah

Dari latar belakang yang telah diuraikan, maka rumusan masalah dalam

penelitian ini adalah bagaimana merancang suatu sistem pendukung keputusan

pemilihan penyedia dalam kegiatan kontes pengadaan barang.

1.3 Tujuan Penelitian

Tujuan yang ingin dicapai dari penelitian ini adalah:

1. Mengidentifikasi metode dan mekanisme penilaian yang digunakan dalam

pemilihan penyedia pada kegiatan kontes pengadaan barang.

2. Mengembangkan model penyusunan kriteria dan penentuan nilai untuk


3. Merancang sistem pendukung keputusan untuk pemilihan penyedia pada

kegiatan kontes pengadaan barang.

1.4 Manfaat Penelitian

Manfaat yang diharapkan dari dari penelitian ini adalah :

1. Mempermudah dan mempercepat dalam pemilihan penyedia dari kegiatan

kontes pengadaan barang.

2. Memberikan wawasan baru kepada panitia pengadaan barang menggunakan

metode kontes mengenai metode yang dapat digunakan untuk pemilihan

penyedia dari kegiatan kontes pengadaan barang.

1.5 Batasan Masalah

Agar penelitan ini tidak terlalu luas topik pembahasannya, maka perlu

dilakukan batasan-batasan sebagai berikut :


commit to user

I-5

1. Penentu bobot kriteria pemilihan adalah tim juri dan tim panitia kegiatan


2. Data hipotetik digunakan sebagai data untuk pengujian model pengambilan

keputusan .

1.6 Asumsi Penelitian

Asumsi yang digunakan untuk menyederhanakan kompleksitas

permasalahan yang diteliti adalah bobot kriteria pemilihan yang diperoleh selama

penelitian dianggap tidak mengalami perubahan selama penelitian berlangsung.

1.7 Sistematika Penelitian

Dalam penulisan laporan penelitan ini, diberikan uraian setiap bab yang

berurutan untuk mempermudah dalam pembahasan laporan. Penjelasan mengenai

sistematika penulisan dalam laporan penelitian dijelaskan seperti dibawah ini.

BAB I : PENDAHULUAN

Bab ini merupakan pengantar permasalahan yang dibahas meliputi

latar belakang masalah, perumusan masalah, tujuan penelitian,

manfaat penelitian, batasan masalah, asumsi penelitian, dan

sistematika penelitian.

BAB II : TINJAUAN PUSTAKA

Bab ini berisi mengenai landasan teori yang mendukung dan terkait

langsung dengan penelitian yang akan dilakukan dari buku, jurnal

penelitian, dan sumber literatur lainnya.

BAB III : METODOLOGI PENELITIAN

Bab ini berisi tahapan yang dilalui selama penelitian mulai dari

identifikasi masalah sampai penarikan kesimpulan, beserta penjelasan

dan gambar diagramnya.


commit to user

I-6

BAB IV : PENGUMPULAN DAN PENGOLAHAN DATA

Bab ini berisi tentang proses pengumpulan data yang digunakan dalam

penelitian dan berisi tentang proses pengolahan data.

BAB V : ANALISIS DAN INTERPRETASI HASIL

Bab ini berisi tentang analisis dan interprestasi data terhadap hasil

pengumpulan dan pengolahan data pada bagian sebelumnya.

BAB VI : KESIMPULAN DAN SARAN

Bab ini berisi tentang kesimpulan yang diperoleh dari penelitian dan

analisis yang telah dilakukan serta rekomendasi yang diberikan untuk

perbaikan.


commit to user

II - 1

BAB II

TINJAUAN PUSTAKA

Pada bab ini menguraikan tinjauan pustaka yang memuat teori-teori yang

mendukung dan dipakai sebagai pedoman untuk pemecahan masalah dan analisis

masalah yang terdapat pada penelitian ini.

2.1. Tinjauan Umum Pengadaan Barang Menggunakan Metode Kontes

2.1.1 Metode Kontes

Negara Indonesia melalui Peraturan Presiden Nomor 54 Tahun 2010,

mendefinisikan metode kontes adalah metode pemilihan penyedia barang

yang memperlombakan barang/benda tertentu yang tidak mempunyai harga

pasar dan yang harga/biayanya tidak dapat ditetapkan berdasarkan Harga

Satuan. Kontes dilakukan khusus untuk pemilihan penyedia barang atau jasa

yang merupakan hasil industri kreatif, inovatif dan budaya dalam negeri.

Pemilihan penyedia barang dengan menggunakan metode kontes memiliki

sejumlah tahapan tertentu. Tahapan pelaksanaan tersebut dijelaskan pada

Gambar 2.1

Gambar 2.1. Langkah Pelaksanaan Pemilihan Penyedia Barang

menggunakan Metode Kontes

Sumber : Lembaga Kebijakan Pengadaan Barang/Jasa, 2010


commit to user

II - 2

2.1.2 Latar Belakang Kontes Kereta Kencana

Kota Surakarta atau lebih dikenal dengan nama Solo merupakan

salah satu kota yang popular dengan tradisi budayanya. Secara historis kota

ini merupakan warisan Dinasti Mataram yang masih melestarikan budaya

baik itu tangible maupun intangible. Tidak mengherankan jika saat ini, Kota

Solo lebih dikenal sebagai sebuah Kota Budaya dan heritage, bahkan di

tahun 2010 Kota Solo mendapat julukan City of Charm ( Kota Pesona)

mengingat begitu luar biasanya pesona yang dimiliki oleh kota ini.

Keunikan tradisi, kearifan lokal, kekayaan budaya dan kepopuleran

kulinernya telah menjadi buah bibir tidak hanya di tingkat nasional tapi juga

di kancah internasional. Menyadari bahwa di tengah persaingan bisnis

modern yang begitu ketat maka Kota Solo selalu berusaha untuk

memperbaiki dan mempercantik kota. Berbagai program revitalisasi

kawasan dan bangunan terus diusahakan oleh pemerintah dan

masyarakatnya. Keberhasilan program-program yang telah direncanakan

oleh Pemerintah Kota Surakarta ternyata memberikan dampak signifikan

terhadap Kota Solo baik secara ekonomi maupun dalam rangka pencitraan

kota.

Pada tahun 2011 guna lebih meningkatkan pencitraan kota,

Pemerintah Kota Surakarta berusaha melengkapi keunikan kota dengan

pengadaan Kereta Kencana, setelah sebelumnya diluncurkan Kereta Uap

Jaladara, trainbus, dan bus wisata. Pengadaan Kereta Kencana dimaksud

harus sesuai dengan tujuan dan kehendak Pemerintah Kota Surakarta.

Sehubungan dengan hal tersebut para penyedia wajib mengikuti standar

administrasi dan teknis pengadaan kereta kencana yang telah ditentukan oleh

Pemerintah Kota Surakarta. (Dinas Kebudayaaan dan Pariwisata Surakarta,

2011).

2.1.3 Tujuan Kontes Kereta Kencana

Pengadaan Kereta Kencana merupakan sebuah kegiatan memperkuat

pencitraan Kota Solo sebagai sebuah kota budaya dan heritage serta upaya

Pemerintah Kota Surakarta dalam memberikan alternatif transportasi unik


commit to user

II - 3

yang ramah lengkungan kepada para wisatawan yang hadir di Kota Solo.

(Dinas Kebudayaaan dan Pariwisata Surakarta, 2011).

2.1.4 Penilaian dan Penjurian Kontes Kereta Kencana

Penilaian terhadap semua proposal dokumen kontes yang telah

masuk akan diperiksa oleh panitia kontes untuk memeriksa kelengkapan

admistrasi. Masukan yang tidak sesuai atau melanggar ketentuan akan

didiskualifikasi sehingga tidak berhak dinilai oleh para juri.

Dokumen peserta yang telah lulus kulaifikasi dokumen, berhak

untuk mengikuti kontes pengadaan Kereta Kencana. Semua barang yang

dikonteskan akan diperiksa oleh Tim Juri. Selama proses penjurian, identitas

peserta dirahasiakan oleh panitia kontes.

Penjurian dilakukan dalam satu tahap yaitu melakukan peninjauan

dan pengamatan serta penilaian terhadap barang-barang yang dikonteskan

yang telah disediakan oleh para peserta yang memenuhi persyaratan dan

lulus kulaifikasi proposal dokumen kontes. (Dinas Kebudayaaan dan

Pariwisata Surakarta, 2011).

2.1.5 Unsur-Unsur Penilaian Kontes Kereta Kencana

a. Aspek fungsi

Kekuatan/keamanan, kenyamanan, kemudahan dalam pengoperasian serta daya tampung penumpang, termasuk bahan, kontruksi dan ukuran

kereta.

b. Aspek Estetika

Keindahan dan makna filosofi meliputi pemilihan desain, pemilihan motif ragam hias, pemilihan warna serta originalitas

c. Aspek ekonomis

Kesesuaian antara harga, ukuran dan kualitas kereta yang ditawarkan

yang disesuaikan dengan anggaran yang telah ditetapkan oleh Panitia Pangadaan.

(Dinas Kebudayaaan dan Pariwisata Surakarta, 2011).

2.2. Multi Criteria Decision Making

Kusumadewi dkk. (2006) mendefinisikan Multi Criteria Decision

Making (MCDM) sebagai suatu metode pengambilan keputusan untuk


commit to user

II - 4

menetapkan alternatif terbaik dari sejumlah alternatif berdasarkan beberapa

kriteria tertentu. Ada beberapa fitur umum yang digunakan dalam Multi

Criteria Decision Making yaitu :

a. Alternatif

Alternatif adalah obyek-obyek yang berbeda dan memiliki

kesempatan yang sama untuk dipilih oleh pengambil keputusan.

b. Atribut

Atribut sering juga disebut sebagai karakteristik, komponen

atau kriteria keputusan.

c. Konflik Antar Kriteria

Beberapa kriteria biasanya mempunyai konflik antara satu

dengan yang lainnya, misalnya kriteria keuntungan akan mengalami

konflik dengan kriteria biaya.

d. Bobot Keputusan

Bobot keputusan menunjukkan kepentingan relatif dari setiap

kriteria.

e. Matriks Keputusan

Suatu matriks keputusan dengan ordo tertentu, yang berisi elemen-

elemen yang merepresentasikan rating dari beberapa alternatif terhadap

beberapa kriteria.

Zimmermann (1991) dalam Kusumadewi dkk. (2006) menyatakan

bahwa berdasarkan tujuannya, MCDM dapat dibedakan menjadi dua yaitu

: Multi Attribute Decision Making (MADM) dan Multi Objective Decision

Making (MODM). MADM digunakan untuk menyelesaikan masalah-

masalah dalam ruang diskret, sedangkan MODM digunakan untuk

menyelesaikan masalah-masalah pada ruang kontinyu. Secara umum dapat

dikatakan bahwa MADM menyeleksi alternatif terbaik dari sejumlah

alternatif, sedangkan MODM merancang alternatif terbaik.

2.3. Multy Attribute Decision Making

Perkembangan Multi Attribute Decision Making (MADM) dimulai

pada tahun 1947, von Neumann dan Morgenstern menerbitkan sebuah buku


commit to user

II - 5

yang berjudul, Theory of Games and Economic Behavior, untuk menggagas

teori matematika ekonomi dan organisasi sosial secara rinci berdasarkan

teori permainan. Buku ini diyakini sebagai awal dari berkembangnya

MADM. Pada umumnya MADM dapat dibagi menjadi dua yaitu multiple

attribute utility theory (MAUT) dan metode outranking (terutama merujuk

untuk ELECTRE dan PROMETHEE). MAUT menentukan preferensi

pembuatan keputusan, yang biasanya dapat direpresentasikan sebagai sebuah

struktur hirarkis, dengan menggunakan fungsi yang sesuai utilitas. Dengan

mengevaluasi fungsi utilitas, pembuat keputusan dapat dengan mudah

menentukan alternatif terbaik dengan nilai utilitas tertinggi. Terdapat

beberapa metode yang dapat digunakan untuk menyelesaikan masalah

MADM, antara lain Simple Additive Weighting (SAW), Weighted Product

(WP), ELECTRE, Technique for Order Preference by Similarity to Ideal

Solution (TOPSIS), VIKOR, Analytic Hierarchy Process (AHP) dan

PROMETHEE.

Tahap inti dari MADM adalah menentukan nilai bobot untuk setiap

atribut, kemudian dilanjutkan dengan proses perankingan yang akan

menyeleksi sejumlah alternatif. Pada dasarnya, ada 3 pendekatan untuk

mencari nilai bobot atribut, yaitu pendekatan subyektif, pendekatan obyektif

dan pendekatan integrasi antara subyektif & obyektif. Masing-masing

pendekatan memiliki kelebihan dan kelemahan. Pada pendekatan subyektif,

nilai bobot ditentukan berdasarkan subyektifitas dari para pengambil

keputusan, sehingga beberapa faktor dalam proses perankingan alternatif

bisa ditentukan secara bebas. Sedangkan pada pendekatan obyektif, nilai

bobot dihitung secara matematis sehingga mengabaikan subyektifitas dari

pengambil keputusan. ( Kusumadewi, 2006).

2.4. Analytic Hierarchy Process

Sebagaimana langkah yang dijelaskan oleh Saaty (1988), metode

AHP dapat digunakan untuk membantu dalam pengambilan keputusan

dengan cara sebagai berikut.

1. Menentukan tujuan, kriteria, dan alternatif keputusan


commit to user

II - 6

Untuk memastikan bahwa kriteria-kriteria yang dibentuk sesuai

dengan tujuan permasalahan, maka kriteria-kriteria tersebut harus memiliki

sifat-sifat berikut (Brodjonegoro, 1992) :

a. Minimum

Jumlah kriteria diusahakan optimal untuk memudahkan analisis.

b. Independen

Setiap kriteria tidak saling tumpang tindih dan harus dihindarkan

pengulangan kriteria untuk suatu maksud yang sama.

c. Lengkap

Kriteria harus mencakup seluruh aspek penting dalam permasalahan.

d. Operasional

Kriteria harus dapat diukur dan dianalisis, baik secara kuantitatif

maupun kualitatif dan dapat dikomunikasikan.

2. Membuat “pohon hierarki” (hierarchical tree) untuk berbagai kriteria dan

alternatif keputusan.

Gambar 2.3 Pohon Hierarki

Sumber : Forman, 2002

Dalam menyusun suatu hirarki tidak terdapat suatu pedoman tertentu

yang harus diikuti. Hirarki tersebut tergantung pada kemampuan penyusun

dalam memahami permasalahan.


commit to user

II - 7

3. Membentuk Matriks Pairwise Comparison

Setelah membuat pohon hierarki, kemudian dibentuk sebuah matriks

pairwise comparison, misalnya diberi nama matriks A. Angka di dalam

baris ke-i dan kolom ke-j merupakan relative importance Ai dibandingkan

dengan Aj. Digunakan skala 1–9 yang diinterpretasikan sebagai berikut:

a. aij = 1 jika kedua kriteria sama pentingnya

b. aij = 3 jika Oi sedikit lebih penting dibandingkan Oj

c. aij = 5 jika Oi lebih penting dibandingkan dengan Oj

d. aij = 7 jika Oi sangat lebih penting dibandingkan Oj

e. aij = 9 jika Oi mutlak lebih penting dibandingkan Oj.

f. aij = 2 jika Oi antara sama dan sedikit lebih penting dibandingkan Oj.

g. aij = 4 jika Oi antara sedikit lebih dan lebih penting dibandingkan Oj.

h. aij = 6 jika Oi antara lebih dan sangat lebih penting dibandingkan Oj.

i. aij = 8 jika Oi antara sangat lebih dan mutlak lebih penting dibandingkan Oj.

j. aij = 1/3 jika Oj sedikit lebih penting dibandingkan Oi, dan seterusnya.

Tabel 2.1 Matriks perbandingan berpasangan

A A1 A2 A3 …. An

A1

A2

A3

…. An

a11

a21

a31

…..

an1

a12

a22

a32

…..

an2

a13

a23

a33

…..

an3

…. …. …. …. ….

a1n

a2n

a3n

…..

ann Sumber : Forman, 2002

Keterangan tabel :

Nilai a11 adalah nilai perbandingan elemen A1 (baris) terhadap A1

(kolom) yang menyatakan hubungan:

a. Seberapa jauh tingkat kepentingan A1 (baris) terhadap kriteria C

dibandingkan dengan A1 (kolom) atau

b. Seberapa jauh dominasi Ai (baris) terhadap Ai (kolom) atau

c. Seberapa banyak sifat kriteria C terdapat pada A1 (baris) dibandingkan

dengan A1 (kolom).

Saaty telah membuktikan bahwa nilai skala komparasi 1 sampai

dengan 9 merupakan pengambilan keputusan individual yang baik dalam


commit to user

II - 8

pendekatan system dengan pertimbangan ketelitian yang ditunjukkan pada

nilai RMS (Root Means Square)

4. Membuat peringkat prioritas dari matriks pairwise dengan menentukan

eigenvector

Setelah matriks perbandingan untuk sekelompok kriteria telah selesai

dibentuk maka langkah berikutnya adalah mengukur bobot prioritas setiap

kriteria tersebut dengan dasar persepsi seorang ahli yang telah dimasukan

dalam matriks tersebut. Hasil akhir perhitungan bobot prioritas tersebut

merupakan suatu bilangan desimal di bawah satu dengan total prioritas

untuk kriteria-kriteria dalam satu kelompok sama dengan satu. Dalam

penghitungan bobot prioritas dipakai cara yang paling akurat untuk matriks

perbandingan yaitu dengan operasi matematis berdasarkan operasi matriks

dan vektor yang dikenal dengan nama eigenvector.

Eigenvector adalah sebuah vektor yang apabila dikalikan sebuah

matriks hasilnya adalah vektor itu sendiri dikalikan dengan sebuah bilangan

skalar atau parameter yang tidak lain adalah eigenvalue. Bentuk

persamaannya sebagai berikut:

A . w =l . w ………………………………………...............(2.1)

dengan w: eigenvector

l: eigenvalue

A: matriks bujursangkar

Eigenvektor biasa disebut sebagai vektor karakteristik dari sebuah

matriks bujursangkar sedangkan eigenvalue merupakan akar karakteristik

dari matriks tersebut. Metode ini yang dipakai sebagai alat pengukur bobot

prioritas setiap matriks perbandingan dalam model AHP karena sifatnya

lebih akurat dan memperhatikan semua interaksi antar kriteria dalam

matriks. Kelemahan metode ini adalah sulit dikerjakan secara manual

terutama apabila matriksnya terdiri dari tiga kriteria atau lebih sehingga

memerlukan bantuan program komputer untuk memecahkannya.

Cara lain untuk memperoleh nilai bobot kriteria atau peringkat

prioritas adalah dengan langkah – langkah berikut ini :


commit to user

II - 9

a. Matriks perbandingan diperoleh dari penilaian kabag produksi

Tujuan Sub 1 Sub 2 Sub 3 Sub 4

Sub 1 1 3 5 7

Sub 2 1/3 1 4 8

Sub 3 1/5 1/4 1 4

Sub4 1/7 1/8 1/4 1

Jumlah kolom 1.676 4.375 10.25 20

b. Membagi masing-masing elemen pada kolom tertentu dengan nilai jumlah

kolom tersebut


Sub 1 1/1.676 3/4.375 5/10.25 7/20

Sub 2 (1/3)/1.676 1/4.375 4/10.25 8/20

Sub 3 (1/5)/1.676 (1/4)/4.375 1/10.25 4/20

Sub4 (1/7)/1.676 (1/8)/4.375 (1/4)/10.25 1/20

Dari pembagian di atas diperoleh hasil sebagai berikut :


Sub 1 0.597 0.686 0.488 0.35

Sub 2 0.199 0.229 0.390 0.4

Sub 3 0.119 0.057 0.098 0.2

Sub4 0.085 0.029 0.024 0.05

c. Hasil tersebut kemudian dinormalisasi untuk mendapatkan eigenvektor

matriks dengan merata-ratakan jumlah baris terhadap tiap elemen.

Tujuan Jumlah Baris Bobot

Sub 1 2.120 0.530 Sub 2 1.218 0.304 Sub 3 0.474 0.119 Sub4 0.188 0.047

Jumlah 1.000


commit to user

II - 10

5. Menguji Konsistensi

Salah satu asumsi utama model AHP yang membedakannya dengan

model-model pengambilan keputusan lain adalah tidak adanya syarat

konsistensi mutlak. Dengan model AHP yang memakai persepsi manusia

sebagai inputnya maka ketidakkonsistenan mungkin terjadi karena manusia

memiliki keterbatasan dalam menyatakan persepsinya secara konsisten

terutama kalau harus membandingkan banyak kriteria. Berdasarkan kondisi

ini maka manusia dapat menyatakan persepsinya dengan bebas tanpa ia

harus berpikir apakah persepsinya tersebut akan konsisten nantinya atau

tidak.

Pengukuran konsistensi dari suatu matriks itu sendiri didasarkan atas

eigenvalue maksimum. Dengan eigenvalue maksimum, inkonsistensi yang

biasa dihasilkan matriks perbandingan dapat diminimumkan. Rumus dari

indeks konsistensi adalah:

CI = (l maks - n ) / (n - 1)………………….............………..(2.2)

dengan CI : indeks konsistensi

l maks : eigenvalue maksimum

n : orde matriks

Dengan merupakan eigenvalue dan n ukuran matriks. Eigenvalue

maksimum suatu matriks tidak akan lebih kecil dari nilai n sehingga tidak

mungkin ada nilai CI yang negatif. Makin dekat eigenvalue maksimum

dengan besarnya matriks, makin konsisten matriks tersebut dan apabila sama

besarnya maka matriks tersebut konsisten 100 % atau inkonsistensi 0%.

Dalam pemakaian sehari-hari CI tersebut biasa disebut indeks inkonsistensi

karena persamaan (2.2) di atas memang lebih cocok untuk mengukur

inkonsistensi suatu matriks.

Indeks inkonsistensi di atas kemudian diubah ke dalam bentuk rasio

inkonsistensi dengan cara membaginya dengan suatu indeks random. Indeks

random menyatakan rata-rata konsistensi dari matriks perbandingan

berukuran 1 sampai 10 yang didapatkan dari suatu eksperimen oleh Oak

Ridge National Laboratory dan kemudian dilanjutkan oleh Wharton School.


commit to user

II - 11

Tabel 2.2 Pembangkit random (RI)

n 1 2 3 4 5 6 7 8 9 10

RI 0 0 0.52 0.89 1.11 1.25 1.35 1.40 1.45 1.49

RICI

CR = ……………………………………………………. (2.3)

dengan CR : rasio konsistensi

CI : indeks konsistensi

RI : indeks random

Batasan diterima tidaknya konsistensi suatu matriks sebenarnya tidak

ada yang baku, hanya menurut beberapa eksperimen dan pengalaman tingkat

inkonsistensi sebesar 10 % ke bawah adalah tingkat inkonsistensi yang

masih dapat diterima. Lebih dari itu harus ada revisi penilaian karena tingkat

inkonsistensi yang terlalu besar dapat menjurus pada suatu kesalahan.

Dari perhitungan nilai eigenvector sebelumnya, selanjutnya

dilakukan perhitungan rasio konsistensi, yaitu dengan cara sebagai berikut :

1. Menghitung nilai

lmaksimum didapatkan dengan mengalikan hasil jumlah kolom pada matriks

perbandingan berpasangan dengan nilai eigenvektor tiap kriteria. Berikut

adalah contoh perhitungannya

= (1.676 x 0.530 + 4.375 x 0.304 + 10.25 x 0.119 + 20 x 0.047 )

= 4.376

2. Menghitung nilai indeks konsistensi (CI)

CI = (l maks - n ) / (n - 1) = (4.376 – 4) / (4 – 1) = 0.125

3. Menghitung nilai rasio konsistensi (CR)

RICI

CR = =89.0125.0

= 0.141

Rasio konsistensi sebesar 0.141 melebihi batas toleransi 0.10. Maka

matriks perbandingan berpasangan pada contoh ini tidak konsisten.

6. Membuat Penilaian Perbandingan Multipartisipan

Penilaian yang dilakukan oleh banyak partisipan akan menghasilkan

pendapat yang berbeda satu sama lain. Analytic Hierarchy Process hanya

maksimuml

maksimuml


commit to user

II - 12

memerlukan satu jawaban untuk matriks perbandingan. Jadi semua jawaban

dari partisipan harus dirata-ratakan. Dalam hal ini Saaty memberikan metode

perataan dengan rata-rata geometrik atau geometric mean. Rata-rata

geometrik dipakai karena bilangan yang dirata-ratakan adalah deret bilangan

yang sifatnya rasio dan dapat mengurangi gangguan yang ditimbulkan salah

satu bilangan yang terlalu besar atau terlalu kecil (Brodjonegoro, 1992).

Teori rata-rata geometrik menyatakan bahwa jika terdapat n

partisipan yang melakukan perbandingan berpasangan, maka terdapat n

jawaban atau nilai numerik untuk setiap pasangan. Untuk mendapatkan nilai

tertentu dari semua nilai tersebut, masing-masing nilai harus dikalikan satu

sama lain kemudian hasil perkalian itu dipangkatkan dengan 1/n. Secara

matematis dituliskan sebagai berikut :

aij = (z1´ z2´ z3 ´ ... ´zn)1/n ....................................……. (2.4)

dengan aij adalah nilai rata-rata perbandingan berpasangan kriteria Ai

dengan Aj untuk n partisipan. Sedangkan Zi adalah nilai perbandingan antara

kriteria Ai dengan Aj untuk partisipan i, dengan i = 1, 2, 3, ..., n dan n adalah

jumlah partisipan.

7. Menyusun Rekapitulasi Peringkat Alternatif

Peringkat alternatif dapat ditentukan dengan mengalikan nilai

eigenvector alternatif dengan nilai eigenvector kriteria. Hasil-hasil dari

metode AHP dengan langkah-langkah seperti di atas dapat digunakan

sebagai bahan pertimbangan dalam pengambilan keputusan. Berdasarkan

metode di atas, pengambil keputusan akan lebih mengutamakan alternatif

langkah yang mempunyai bobot paling besar dibandingkan pilihan alternatif

langkah lainnya. Sehingga, rencana yang telah dibuat dapat terlaksana

dengan baik dan lebih bermanfaat.

2.5. Technique for Order Preference by Similarity to Ideal Solution (TOPSIS)

Tzeng dan Huang (2011) menjelaskan bahwa metode TOPSIS

pertama kali diusulkan oleh Hwang dan Yoon (1981) untuk menentukan

alternatif terbaik berdasarkan konsep fundamental. Konsep fundamental

dari metode TOPSIS adalah penentuan jarak euclide terpendek dari solusi

ideal positif dan jarak terpanjang dari solusi ideal negatif. Euclide


commit to user

II - 13

merupakan ukuran jarak ke masing-masing kutub kinerja dengan bobot

opsional dari setiap atribut.

Solusi ideal positif didefinisikan sebagai jumlah dari seluruh nilai

terbaik yang dapat dicapai untuk setiap atribut, sedangkan solusi negatif-

ideal terdiri dari seluruh nilai terburuk yang dicapai untuk setiap atribut.

TOPSIS mempertimbangkan keduanya, jarak terhadap solusi ideal positif

dan jarak terhadap solusi ideal negatif dengan mengambil kedekatan relatif

terhadap solusi ideal positif. Berdasarkan perbandingan terhadap jarak

relatifnya, susunan prioritas alternatif bisa dicapai.

Secara umum, prosedur dari metode TOPSIS mengikuti langkah-

langkah sebagai berikut:

a. Menentukan matriks keputusan yang ternormalisasi.

Elemen rij hasil dari normalisasi decision matrix R dengan metode

Euclidean length of a vector adalah 翸�Ǵ纵果邹밠 撇塞鳃瞬∑ 撇塞鳃潜叁塞腔前 , 㷠 밠 1,… .柜;鬼밠 1,…桂 …………………(2.5)

dengan C = {Cj | j = 1, ..., m}menandakan kriteria, dan X = {xkj | k = 1,..,n

j = 1, ..., m} menandakan himpunan kinerja peringkat.

b. Menghitung matriks keputusan yang ternormalisasi terbobot.

惯�Ǵ纵果邹밠 灌Ǵ翸�Ǵ纵果邹,㷠 밠 1,… ,柜;鬼밠 1,… ,桂 ……………...…(2.6)

dengan w = {w | j = 1, ..., m} adalah himpunan bobot.

c. Menghitung matriks solusi ideal positif dan matriks solusi ideal negatif.

Solusi ideal dinotasikan PIS atau A+, sedangkan solusi ideal negatif

dinotasikan NIS atau A- 剨I 밠 故嫩밠 誓郭囊嫩纵果邹,郭挠嫩纵果邹,… .郭Ǵ嫩纵果邹,…郭屏嫩纵果邹嗜 ……………(2.7)

밠 誓试惯�Ǵ纵果邹�屏频铺特鬼∈ 褂囊守,试惯�Ǵ纵果邹�屏平坡特鬼∈ 褂挠守|㷠 밠 1,…柜嗜


commit to user

II - 14

棺I 밠 故能밠 誓郭囊能纵果邹,郭挠能纵果邹,… .郭Ǵ能纵果邹,…郭屏能纵果邹嗜 ……………(2.8)

밠 誓试惯�Ǵ纵果邹�屏平坡特鬼∈ 褂囊守,试惯�Ǵ纵果邹�屏平坡特鬼∈ 褂挠守|㷠 밠 1,…柜嗜 d. Menghitung jarak antara nilai setiap alternatif dengan matriks solusi ideal

positif dan matrik solusi ideal negatif.

Dk* adalah jarak (dalam pandangan euclidean) alternatif dari solusi ideal

positif didefinisikan sebagai : 雇㷠∗ 밠 瞬∑ 族惯㷠鬼纵果邹石郭鬼十桂鬼밠1 纵果邹租2,㷠 밠 1,… ,柜 ……………..…(2.9)

Dk- adlah jarak terhadap solusi ideal negatif didefinisikan sebagai: 雇�能밠 瞬∑ 侍惯�Ǵ纵果邹石郭Ǵ能屏Ǵ妮囊纵果邹租挠,㷠 밠 1,… ,柜 ……………….…(2.10)

e. Menghitung nilai preferensi untuk setiap alternatif.

固�∗ 밠 劈塞呛试劈塞∗嫩劈塞呛守, 㷠 밠 1, … ,柜, ………………………………..(2.11)

Alternatif dapat dirangking berdasarkan urutan Ck*. Maka dari itu,

alternatif terbaik adalah salah satu yang berjarak terpendek terhadap solusi

ideal positif dan berjarak terjauh dengan solusi ideal negatif.

2.6. Basis Data (Database)

2.6.1. Pengertian Basis Data

Basis data (database) merupakan kumpulan dari data yang saling

berhubungan dengan yang lainnya, tersimpan di perangkat keras komputer

dan digunakan perangkat lunak untuk memanipulasinya. Database

merupakan salah satu komponen yang penting dalam sistem informasi,

karena merupakan basis dalam menyediakan informasi bagi para pemakai.

Penerapan database dalam sistem informasi disebut dengan database

system.

Sistem basis data (database system) adalah suatu sistem informasi

yang mengintegrasikan kumpulan dari data yang saling berhubungan satu

dengan yang lainnya dan membuatnya tersedia untuk beberapa aplikasi yang


commit to user

II - 15

bermacam-macam didalam suatu organisasi. Dengan sistem basis data ini

tiap-tiap orang atau bagian dapat memandang database dari beberapa sudut

pandang yang berbeda. Bagian kredit dapat memandangnya sebagai data

piutang, bagian penjualan dapat memandangnya sebagai data penjualan,

bagian personalia dapat memandangnya sebagai data karyawan, bagian

gudang dapat memandangnya sebagai data persediaan. Semuanya

terintegrasi dalam sebuah data yang umum. Berbeda dengan sistem

pengolahan data tradisional, sumber data ditangani sendiri-sendiri untuk tiap

aplikasinya.

2.6.2. Tujuan Basis Data

Basis data bertujuan untuk mengatur data sehingga diperoleh

kemudahan, ketepatan, dan kecepatan dalam pengambilan kembali. Untuk

mencapai tujuannya, syarat sebuah basis data yang baik adalah sebagai

berikut :

1. Tidak adanya redundansi dan inkonsistensi data

Redundansi terjadi jika suatu informasi disimpan di beberapa tempat.

Akibat dari redundansi adalah inkonsistensi data atau data yang tidak

konsisten.

2. Mudah dalam pengaksesan data

Basis data memiliki fasilitas untuk melakukan pencarian informasi

dengan menggunakan query ataupun dari tool untuk melihat tabelnya.

Dengan fasilitas ini, pengguna bisa secara langsung melihat data dari

software DBMS (Database Management System)-nya. Dalam basis

data, informasi yang diperoleh dari kumpulan data bisa berupa

keseluruhan data, sebagian data, data dengan filter tertentu, ataupun

data yang terurut.

3. Dapat digunakan oleh beberapa user dalam waktu bersamaan

Basis data memungkinkan penggunaan data bersama-sama oleh

banyak pengguna pada saat yang bersamaan atau pada saat yang

berbeda. Dengan meletakkan basis data pada bagian server yang bisa

diakses dari client, kita sudah menyediakan akses ke semua pengguna

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


commit to user

II - 16

pengaksesan oleh pengguna-pengguna ini disesuaikan dengan hak

aksesnya.

2.6.3. Manfaat Basis Data

Banyak manfaat yang dapat diperoleh dengan menggunakan basis

data. Manfaat basis data diantaranya adalah :

1. Kecepatan dan kemudahan (speed)

Dengan menggunakan basis data pengambilan informasi dapat

dilakukan dengan cepat dan mudah. Basis data memiliki kemampuan

dalam mengelompokkan, mengurutkan, bahkan perhitungan dengan

matematika. Dengan perancangan yang benar, maka penyajian

informasi akan dapat dilakukan dengan cepat dan mudah.

2. Kebersamaan pemakai (sharability)

Sebuah basis data dapat digunakan oleh banyak user dan banyak

aplikasi. Untuk data-data yang diperlukan oleh banyak bagian/orang,

tidak perlu dilakukan pencatatan di masing-masing bagian, tetapi

cukup dengan satu basis data untuk dipakai bersama.

3. Pemusatan kontrol data

Karena cukup dengan satu basis data untuk banyak keperluan,

pengontrolan terhadap data juga cukup dilakukan di satu tempat saja.

Jika ada perubahan data, maka tidak perlu dilakukan update di masing-

masing bagian tetapi cukup hanya di satu basis data.

4. Efisiensi ruang penyimpanan

Dengan pemakaian bersama, maka tidak perlu disediakan tempat

penyimpanan di berbagai tempat, tetapi cukup satu saja sehingga hal

ini akan menghemat ruang penyimpanan yang dimiliki oleh sebuah

organisasi.

5. Keakuratan (accuracy)

Penerapan secara ketat aturan tipe data, keunikan data, hubungan antar

data, dan lain-lain, dapat menekan ketidakakuratan dalam

pemasukan/penyimpanan data.


commit to user

II - 17

6. Ketersediaan (availability)

Dengan basis data kita dapat mem-backup data, memilah-milah data

mana yang masih diperlukan dan data mana yang perlu kita simpan ke

tempat lain. Hal ini mengingat pertumbuhan transaksi suatu organisasi

dari waktu ke waktu membutuhkan media penyimpanan yang semakin

besar.

7. Keamanan (security)

Kebanyakan DBMS dilengkapi dengan fasilitas manajemen pengguna.

Pengguna diberikan hak akses yang berbeda-beda sesuai dengan

kepentingan dan posisinya. Basis data bisa diberikan password untuk

membatasi orang yang mengaksesnya.

8. Kemudahan dalam pembuatan aplikasi baru

Penggunaan basis data merupakan bagian dari perkembangan

teknologi. Dengan adanya basis data pembuatan aplikasi bisa

memanfaatkan kemampuan dari DBMS, sehingga pembuat aplikasi

tidak perlu mengurusi penyimpanan data, tetapi cukup mengatur

interface untuk pengguna.

9. Kebebasan data (data independence)

Jika sebuah program telah selesai dibuat, dan ternyata ada perubahan

isi/struktur data. maka dengan basis data, perubahan ini hanya perlu

dilakukan pada level DBMS tanpa harus membongkar kembali

program aplikasinya.

2.7. Model Pengambilan Keputusan

Manajemen adalah proses untuk mencapai tujuan organisasi dengan

menggunakan semua sumber daya yang dimilikinya (Subakti, 2002). Di dalam

suatu manajemen selalu terdapat proses pengambilan keputusan. Sekarang ini

pengambilan keputusan trial and error tidak lagi efektif, karena itu banyak

manajer menggunakan tools untuk membantu dalam mengambil keputusan agar

didapat hasil yang baik dalam menyelesaikan masalah.


commit to user

II - 18

Faktor-faktor yang mempengaruhi pengambilan keputusan antara lain :

a. Teknologi / Informasi / Komputer

Jika terdapat teknologi atau informasi yang cukup, maka semakin

mudah untuk menyediakan pilihan

b. Structual Complexity / Competition

Masalah yang kompleks akan berbeda penanganannya dengan

maslah yang sederhana. Kesalahan pengambilan keputusan dalam

masalah yang kompleks akan berdampak besar bagi manajemen

tersebut.

c. International Markets / Political Stability / Consumerism

Keadaan ekonomi, politik ataupun pasar dunia bisa mempengaruhi

pengambilan keputusan. Jika keadaan ekonomi, politik tidak stabil

maka keputusan yang diambil semakin diliputi ketidakpastian.

d. Changes, Fluctuations

Perubahan keadaan ekonomi atau politik yang cepat dan tidak

stabil akan menuntut kita mengambil keputusan dengan cepat.

Simon, (1977) mengenalkan metoda proses pengambilan keputusan yang

terdiri dari empat fasa utama yaitu:

1. Fase Intelijen

Proses pengambilan keputusan berawal pada fasa ini dimana

penyelidikan dan mengidentifikasi lingkup problematika yang

dikumpulkan.

2. Fase Desain

Tahap ini merupakan proses konstruksi dengan membuat perkiraan-

perkiraan kemungkinan terjadi dari setiap variabel dan hubungan antar

variabelnya. Tahap ini meliputi proses untuk mengembangkan dan

menganalisa alternatif tindakan yang bisa dilakukan.

3. Fase Pemilihan

Setelah menganalisa alternatif-alternatif tindakan maka pada tahap ini

dilakukan proses pemilihan diantara alternatif untuk dijalankan.

Proses pemilihan ini meliputi mencari, mengevaluasi dan

merekomendasikan solusi yang tepat dari model. Solusi dari suatu


commit to user

II - 19

model adalah satu kesatuan nilai variable keputusan dalam beberapa

alternatif yang dipilih.

4. Fase Implementasi

Pada tahap ini solusi yang telah disepakati mulai dijalankan. Alternatif

keputusan yang telah disepakati dan dievaluasi merupakan alternatif

optimal yang dipilih.

2.8. Karakteristik Sistem Pendukung Keputusan

Pada dasarnya sistem pendukung keputusan dirancang untuk

mendukung seluruh tahap pengambilan keputusan mulai dari mengidentifikasi

masalah, memilih data yang relevan, menentukan pendekatan yang digunakan

dalam proses pengambilan keputusan, sampai mengevaluasi pemilihan interaktif.

Peranan sistem pendukung keputusan dalam konteks keseluruhan sistem

informasi ditujukan untuk memperbaiki kinerja melalui aplikasi teknologi

informasi. Terdapat sepuluh karakteristik dasar sistem pendukung keputusan yang

efektif, yaitu :

1. Mendukung proses pengambilan keputusan, menitikberatkan

pada management by perception

2. Adanya interface manusia/ mesin dimana manusia (user) tetap

mengontrol proses pengambilan keputusan

3. Mendukung pengambilan keputusan untuk membahas masalah-

masalah terstruktur, semiterstruktur, dan tidak terstruktur

4. Menggunakan model-model matematis dan statistik yang sesuai

5. Memiliki kapabilitas dialog untuk memperoleh informasi

sesuai dengan kebutuhan – model interaktif

6. Output ditunjukkan untuk personil organisasi dalam semua

tingkatan

7. Memiliki subsistem-subsistem yang terintegrasi sedemikian rupa

sehingga dapat berfungsi sebagai kesatuan sistem

8. Membutuhkan struktur data komprehensif yang dapat melayani

kebutuhan informasi keseluruhan tingkatan manajemen

9. Pendekatan easy to use. Ciri suatu sistem pendukung

keputusan yang efektif adalah kemudahan untuk digunakan,


commit to user

II - 20

dan memungkinkan keleluasaan pemakai untuk memilih atau

mengembangkan pendekatan-pendekatan baru dalam membahas

masalah yang dihadapi.

10. Kemampuan sistem beradaptasi secara tepat, dimana pengambil

keputusan dapat menghadapi masalah-masalah baru, dan pada

saat yang sama dapat menangani dengan cara mengadaptasi

sistem terhadap kondisi-kondisi perubahan yang terjadi.

2.9. Penelitian Terkait

Penelitian-penelitian yang terkait dengan sistem pendukung keputusan

tentang multi criteria decision making antara lain :

1. Penelitian oleh Jafari dkk (2007) dengan judul ”A New Framework

for Selection of the Best Performance Appraisal Method”. Penelitian

ini mengusulkan kerangka kerja untuk memilih metode penilaian

kinerja terbaik menggunakan Simple Additive Weighting Method

(SAW). Konsep dasar metode SAW adalah mencari penjumlahan

terbobot dari rating kinerja pada setiap alternatif pada semua atribut

2. Jadidi dkk (2010) dengan judul “TOPSIS Method for Supplier

Selection Problem” . Pada penlitian ini disebutkan metode Technique

for Order Preference by Similarity to Ideal Solution (TOPSIS) lebih

tepat digunakan untuk menentukan penyedia pada suatu perusahaan.

3. Penelitian oleh Ayag dan Ozdemir (2004) dengan judul “A fuzzy AHP

approach to evaluating machine tool alternatives “. Pada penelitian ini

Analytic Hierarchy Process dirasa kurang mampu untuk digunakan

dikarenakan ketidakjelasan dari pengambil keputusan sehingga

penelitian ini menggunakan Fuzzy Analytic Hierarchy Process (AHP)

untuk menentukan alternatif mesin terbaik untuk digunakan dalam

suatu perusahaan.

4. Penelitian oleh Laise (2004) dengan judul “Benchmarking and

learning organizations : ranking methods to identify best in class “.

Penelitian ini mengusulkan penggunaan metode yang merupakan

pengembangan dari konsep outranking yaitu Elimination Et Coix

Traduisant La Realite ( ELECTRE). ELECTRE didasarkan pada


commit to user

II - 21

konsep perankingan melalui perbandingan berpasangan antar alternatif

pada kriteria yang sesuai. Suatu alternatif dikatakan mendominasi

alternatif yang lainnya jika satu atau lebih kriterianya melebihi

(dibandingkan dengan kriteria dari alternatif yang lain) dan sama

dengan kriteria lain yang tersisa.

5. Penelitian oleh Muhammad Arief Setyawan dengan judul “Studi Kasus

Penentuan Pemenang Tender Pelaksanaan Pengadan Bahan Habis

Pakai Dengan Metode Promethee”. Penelitian ini menggunakan

metode PROMETHEE merupakan salah satu metode yang digunakan

untuk menentukan urutan atau prioritas dari beberapa alternatif dalam

permasalahan yang menggunakan multi kriteria.

6. Penelitian oleh Arwan Ahmad Khoiruddin dengan judul “Sistem

Pendukung Keputusan Penentuan Kelayakan Calon Rintisan Sekolah

Bertaraf Internasional Dengan Metode Fuzzy Associative Memory”.

Metode yang digunakan pada penelitian ini adalah metode Fuzzy

Associative Memory. Metode ini dipilih karena metode ini lebih alami

karena mendasarkan keputusan pada kemiripan dengan sampel data

yang sudah ada dalam sistem. Sistem Fuzzy Associative Memory terdiri

dari pasangan (A,B) dengan A adalah data nilai sekolah untuk

kedelapan belas indikator penilaian SBI dan B adalah aturan. Dengan

menggunakan Fuzzy Associative Memory, dengan menggunakan 20

data sampel didapatkan validitas keputusan sebesar 85%.

7. Penelitian Ng Chun Yu , Chuah, dan Kong Bieng (2012) dengan judul

“Evaluation of Eco design alternatives by integrating AHP and

TOPSIS methodology under a fuzzy environment”. Penelitian ini

menggunakan penggabungan metode AHP dan TOPSIS umtuk

mengevaluasi desain alternatif selama proses pengembangan produk

baru.

8. Penelitian Maryam Sadeghi dan Kimia Keshanian (2011) dengan judul

“Poison Selection in Agriculture by using AHP and TOPSIS-A Case

Study for the Apple Trees”. Penelitian ini menggunakan penggabungan


commit to user

II - 22

metode AHP dan TOPSIS untuk memilih alternatif racun hama terbaik

untuk mengurangi serangan hama pada pohon apel.


commit to user

III-1

BAB III

METODOLOGI PENELITIAN

Penelitian ini bertujuan untuk merancang sistem pendukung keputusan

sebagai alat bantu untuk menentukan prioritas peserta terbaik (penyedia) dari

kontes pengadaan barang. Demi mencapai tujuan tersebut, diperlukan tahapan

penelitian sebagai kerangka acuan yang memudahkan pemahaman mengenai

permasalahan dan mengupayakan penyelesaian masalah menjadi lebih sistematis

dan terarah. Tahapan penelitian dipaparkan pada Gambar 3.1.

Gambar 3.1. Metodologi Penelitian


commit to user

III-2

Diagram alir metodologi penelitian pada gambar 3.1 dapat diuraikan sebagai

berikut.

3.1 Tahap Identifikasi Masalah

Tahap ini diawali dengan studi pustaka, studi lapangan, perumusan masalah,

dan penentuan tujuan penelitian. Langkah-langkah yang ada pada tahap

identifikasi masalah tersebut dijelaskan pada sub bab berikut ini.

3.1.1 Studi Pustaka

Studi pustaka dilakukan untuk mendukung proses penyelesaian penelitian

ini. Studi pustaka ini dilakukan dengan mempelajari beberapa teori yang harus

dikuasai yaitu mengenai teori pengadaan barang/jasa, konsep dasar sistem,

perbandingan berpasangan, multi criteria decision making, sistem pendukung

keputusan, konsep perancangan sistem, perancangan database, dan perancangan

interface.

3.1.2 Studi Lapangan

Studi lapangan dilakukan untuk mengetahui sistem yang sedang berjalan.

Studi lapangan ini dilakukan dengan cara melakukan penelusuran, pengamatan di

lapangan secara nyata dan wawancara dengan pihak-pihak terkait antara lain tim

juri dan tim panitia dalam kegiatan kontes pengadaan kereta kencana tahun 2011.

Dengan melakukan pengamatan sistem ini maka dapat diketahui kekurangan-

kekurangan yang ada pada sistem lama.

3.1.3 Perumusan Masalah dan Tujuan Penelitian

Berdasarkan studi lapangan yang telah dilakukan, kemudian disusun sebuah

perumusan masalah. Perumusan masalah dilakukan dengan menetapkan sasaran-

sasaran yang akan dibahas untuk kemudian dicari solusi pemecahan masalahnya.

Adapun permasalahan yang akan dibahas lebih lanjut adalah bagaimana


commit to user

III-3

merancang suatu sistem pendukung keputusan pemilihan penyedia dalam kegiatan


Tujuan penelitian ditetapkan agar penelitian yang dilakukan dapat

menjawab dan menyelesaikan rumusan masalah yang dihadapi. Adapun tujuan

penelitian yang ditetapkan dari hasil perumusan masalah adalah :

1. Mengidentifikasi metode dan mekanisme penilaian yang digunakan dalam


2. Mengembangkan alternatif model penyusunan kriteria dan penentuan nilai

untuk pemilihan penyedia pada kegiatan kontes pengadaan barang.

3. Merancang sistem pendukung keputusan untuk pemilihan penyedia pada

kegiatan kontes pengadaan barang.

3.1.3 Pengumpulan Data Berdasarkan Kasus Kontes Kereta Kencana

Pengumpulan data dilakukan terhadap data-data yang dibutuhkan selama

penelitian. Data kriteria penilaian digunakan untuk menentukan kriteria apa saja

yang digunakan untuk melakukan pemilihan supplier. Jumlah peserta dan juri

digunakan sebagai acuan penentuan responden dan peserta dalam tahap

pengolahan data selanjutnya. Mekanisme penilaian digunakan sebagai acuan

menghitung data hipotetik yang disusun selanjutnya untuk menentukan supplier

pemenang.

3.2 Tahap Pengolahan Data

3.2.1 Penyusunan Data Hipotetik

Penyusunan data hipotetik dilakukan dengan menentukan data-data yang

diperlukan dalam pengolahan data. Data hipotetik yang disusun antara lain kriteria

penilaian, nilai dari peserta kontes, jumlah juri dan jumlah peserta. Data-data

tersebut dihitung dengan metode scoring dan metode penggabungan anatara


commit to user

III-4

metode Analytic Hierarchy Process (AHP) dan Technique for Order Preference

by Similarity to Ideal Solution (TOPSIS).

3.2.2 Penghitungan Penilaian dengan Metode Scoring

Penghitungan penilaian yang pertama dilakukan dengan metode scoring

sesuai mekanisme yang dilakukan di Kontes Kereta Kencana. Penghitungan ini

dilakukan dengan data-data hipotetik yang telah disusun. Penghitungan ini

nantinya akan dibandingkan dengan penghitungan dengan metode usulan dengan

menggunakan data hipotetik yang sama.

3.2.3 Penghitungan Penilaian dengan Metode AHP dan TOPSIS

Penghitungan Positive Ideal Solution

Penghitungan Negative Ideal

Solution

Penghitungan Similarities Positive

Ideal Solution

Pembobotan Data Ternormalisasi

Tidak Rasio Konsistensi

Valid?Ya

Identifikasi dan Penyusunan Kriteria Pemilihan Penyedia

Barang

1

2

3

4

5

6

7 8

9

Pemberian Bobot Kepentingan Untuk

Tiap Kriteria

Penghitungan Bobot Kepentingan Kriteria

dan Penghitungan Konsistensi Rasio

Pengumpulan Data Penilaian Penyedia

Barang

Penghitungan Normalisasi Data

Gambar 3.2. Kombinasi Pengolahan Data dengan TOPSIS dan AHP

Langkah 1 :

Tahap awal yaitu mengidentifikasi kriteria dan subkriteria yang digunakan dalam

pemilihan penyedia barang.


commit to user

III-5

Langkah 2 :

Tahap proses pemberian bobot kepentingan kriteria dan subkriteria dilakukan

dengan bantuan penilaian responden yang dianggap ahli atau berkompeten.

Penilaian yang dilakukan berupa suatu perbandingan berpasangan antar masing-

masing kriteria dan subkriteria. Penilaian perbandingan berpasangan

menggunakan skala 9 point untuk kriteria dan subkriteria dalam model Analytic

Hierarchy Process (AHP). Selanjutnya dilakukan pengolahan data menggunakan

rumus rata-rata geometrik sesuai dengan persamaan (2.4).

Langkah 3 :

Penghitungan bobot kepentingan kriteria dan subkriteria dilakukan dengan metode

AHP. Penghitungan konsistensi menggunakan persamaaan (2.2) dan (2.3).

Langkah 4 :

Pada tahap ini dilakukan pengumpulan data penilaian penyedia barang

berdasarkan subkriteria penilaian oleh para juri.

Langkah 5 :

Pada tahap ini dilakukan normalisasi data untuk data yang memiliki satuan

berbeda untuk menghilangkan fungsi satuan dari masing-masing data

menggunakan metode Technique for Order Preference by Similarity to Ideal

Solution (TOPSIS) dengan persamaan (2.5).

Langkah 6 :

Pada proses ini data ternormalisasi tiap subkriteria akan dilakukan pembobotan

dari hasil penghitungan bobot kepentingan. Penghitungannya dengan

menggunakan rumus (2.6).

Langkah 7 :

Penghitungan solusi ideal positif adalah dengan menghitung kuadrat selisih data

terhadap nilai maksimumnya lalu diakumulasikan sesuai jumlah subkriteria dan

diakar. Penghitungan ini menggunakan rumus (2.9).


commit to user

III-6

Langkah 8 :

Penghitungan separasi solusi ideal negatif adalah dengan menghitung kuadrat

selisih data terhadap nilai minimumnya lalu diakumulasikan sesuai jumlah

subkriteria dan diakar. Penghitungan ini menggunakan rumus (2.10).

Langkah 9 :

Penghitungan kedekatan relative terhadap solusi ideal merupakan langkah terakhir

untuk mendapatkan solusi optimal. Penghitungan ini menggunakan rumus (2.11).

3.3 Tahap Perancangan Sistem

Perancangan sistem dalam penelitian ini dibagi menjadi tiga tahap, yang

terdiri dari perancangan database (basis data), perancangan user interface, dan

pembuatan program aplikasi dan validasi program.

3.3.1 Perancangan Desain Proses Bisnis

Pada tahap ini akan dirancang desain proses bisnis yang menggambarkan

aktivitas-aktivitas yang bisa terjadi dalam aplikasi program yang akan dibuat.

Perancangan desain proses ini dibuat menggunakan use case diagram.

3.3.2 Perancangan Database (Basis Data)

Pada tahap ini akan dirancang database yang nantinya digunakan untuk

penyimpanan data dari aplikasi pemilihan penyedia pada kegiatan kontes

pengadaan barang. Tahap yang dilakukan antara lain yaitu pembuatan tabel, dan

menentukan relasi antara tabel.

3.3.3 Pembuatan Program

Pembuatan program aplikasi merupakan penulisan kode program sesuai

dengan user interface dan sistem yang telah dirancang. Software yang digunakan

dalam pembuatan aplikasi ini adalah Microsoft Visual Studio.


commit to user

III-7

3.3.4 Validasi Program

Validasi program merupakan tahapan untuk menguji kelayakan program

yang telah kita buat. Validasi dilakukan dengan memberikan input data hipotetik

yang telah digunakan sehingga bisa diketahui apakah output yang dihasilkan

sesuai dengan yang diharapkan. Jika program sudah dinilai layak dan mencakup

seluruh sistem pengambilan keputusan yang dirancang, maka perancangan

program pengambilan keputusan dianggap telah selesai.

3.4 Tahap Analisis Dan Kesimpulan

Tahap analisis dan kesimpulan meliputi kegiatan analisis hasil dan

kesimpulan dan saran.

3.4.1 Analisis Hasil

Pada tahap ini dilakukan analisis terhadap hasil dari pengolahan data yang

dilakukan dalam penelitian ini. Analisis yang dilakukan terdiri dari dua bagian

yaitu analisis tentang kinerja TOPSIS dalam penghitungan dengan variabilita data

yang tinggi dan analisis hasil output dari program yang dibuat.

3.4.2 Kesimpulan dan Saran

Tahap terakhir dari penelitian ini adalah kesimpulan dan saran. Pada tahap

ini akan dibahas hasil pengolahan data dengan mempertimbangkan tujuan yang

ingin dicapai dalam penelitan dan memberikan saran untuk perbaikan selanjutnya.


commit to user IV-1

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA

Pada bab ini dibahas mengenai pengumpulan dan pengolahan data, mulai dari

identifikasi kriteria dan subkriteria pemilihan penyedia barang, penyusunan kriteria

dan subkriteria pemilihan penyedia barang, pemberian bobot kepentingan kriteria dan

subkriteria, penghitungan konsistensi, pengumpulan data pemilihan penyedia barang,

normalisasi data, pembobotan data ternormalisasi, penghitungan solusi ideal positif,

penghitungan solusi ideal negatif penghitungan solusi optimal dan desain interface

dari program yang akan dibuat.

4.1 Penyusunan Data Hipotetik

Langkah pendahuluan yang penting untuk dilakukan sebelum melakukan

pengolahan data, yaitu menyusun data hipotetik yang berupa data kriteria, data

peserta dan data penilaian.

4.1.1 Penyusunan Data Hipotetik Kriteria

Kriteria dan subkriteria yang digunakan dalam penelitian ini diambil dari

kriteria pemilihan penyedia barang oleh Dinas Kebudayaan dan Pariwisata Kota

Surakarta pada tahun 2011 yang mengadakan kegiatan kontes pengadaan kereta

kencana. Tujuan dari kontes ini adalah untuk memperkuat pencitraan Kota Surakarta

sebagai sebuah kota budaya dan usaha untuk memberikan alternatif transportasi unik

yang ramah lingkungan kepada para wisatawan yang hadir di Kota Surakarta.

Berdasarkan dokumen pengadaan kereta kencana oleh Dinas Kebudayaan dan

Pariwisata tahun 2011 menyebutkan bahwa unsur atau kriteria yang dinilai antara lain

aspek fungsi, aspek estetika dan aspek ekonomis. Ketiga aspek tersebut memiliki

beberapa subkriteria penilaian. Aspek fungsi terdiri dari kekuatan, kenyamanan, dan

kemudahan pengoperasian. Aspek estetika terdiri dari desain, makna simbolik, dan

originalitas. Sedangkan aspek ekonomis hanya dilihat dari murah atau tidaknya harga

kereta kencana tersebut dan tidak dinilai oleh juri. Form penilaian kontes kereta


commit to user IV-2

kencana tahun 2011 disajikan pada Gambar 4.1.

ASPEK EKONOMISKekuatan Kenyamanan Kemudahan Pengoperasian Desaian Makna Simbolik Originalitas Harga

TOTAL NILAIASPEK FUNGSI ASPEK ESTETIKAJENIS KERETA

Gambar 4.1 Form Penilaian Kontes Kereta Kencana

Sumber : Dinas Kebudayaan dan Pariwisata Kota Surakarta, 2011

Perancangan hierarchical tree dimaksudkan untuk memperjelas tujuan,

kriteria dan subkriteria dari suatu pengambilan keputusan. Rancangan hierarchical

tree disajikan pada gambar 4.2.

Gambar 4.2 Rancangan Hierarchical Tree

Keterangan :

G : pemilihan penyedia barang

K3 : aspek ekonomis

K1 : aspek fungsi

K2 : aspek estetika

K11 : kekuatan

K12 : kenyamanan

K13 : kemudahan pengoperasian

K21 : desain

K22 : makna simbolik


commit to user IV-3

K23 : originalitas

K31 : harga

4.1.2 Penyusunan Data Hipotetik Peserta

Penyusunan data hipotetik peserta berjumlah enam. Penggunaan data hipotetik

dengan jumlah peserta lebih dari dua dimaksudkan untuk memperbanyak data

penilaian sehingga variansi data semakin tinggi.

4.1.3 Penyusunan Data Hipotetik Penilaian

Pada tahap ini dilakukan penyusunan data hipotetik penilaian penyedia barang

berdasarkan subkriteria penilaian. Data yang digunakan adalah data penilaian dari

data hipotetik dengan jumlah enam peserta.

Data ini nantinya akan digunakan dalam proses pengolahan selanjutnya yaitu

menggunakan metode Technique for Order Preference by Similarity to Ideal Solution

(TOPSIS). Data penilaian peserta pemilihan penyedia barang ditampilkan pada tabel

4.1 , tabel 4.2, dan tabel 4.3.

Tabel 4.1. Hasil Penilaian Peserta Data Hipotetik I

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

Peserta 1 90 90 80 85 90 80Peserta 2 90 80 85 80 90 85Peserta 3 85 90 90 90 90 80Peserta 4 90 90 80 90 90 80

Tabel 4.2. Hasil Penilaian Peserta Data Hipotetik II




commit to user IV-4

Tabel 4.3. Hasil Penilaian Peserta Data Hipotetik III



4.2 Penghitungan Penilaian dengan Metode Scoring

Penghitungan penilaian dengan metode scoring adalah dengan menjumlahkan

semua penilain dari ketiga juri untuk selanjutnya dicari nilai yang paling besar. Nilai

peserta yang paling besar ditetapkan sebagai pemenang atau peserta terbail. Metode

scoring ini masih digunakan dalam beberapa kasus pemilihan penyedia barang

menggunakan metode kontes termasuk pemilihan penyedia barang kontes pengadaan

kereta kencana Kota Surakarta. Berikut hasil penjumlahan dari ketiga penilian juri.

Tabel 4.4. Hasil Penjumlahan Penilaian Peserta



4.3 Penghitungan Penilaian dengan Metode AHP dan TOPSIS

4.3.1 Pemberian Bobot Kepentingan Kriteria dan Subkriteria

Tahap pemberian bobot kepentingan dilakukan setelah kriteria dan subkriteria

selesai disusun. Proses pemberian bobot kepentingan dilakukan dengan bantuan

penilaian responden yang dianggap ahli atau berkompeten. Terdapat tiga responden

yang terdiri dua panitia dan satu juri dalam kontes kereta kencana. Penyelesaian

penilaian ahli terhadap kriteria dan subkriteria dengan menggunakan metode analytic

hierarchy process (AHP). Penilaian yang dilakukan berupa suatu perbandingan


commit to user IV-5

berpasangan antar masing-masing kriteria dan subkriteria. Penilaian perbandingan

berpasangan menggunakan skala 9 point untuk kriteria dan subkriteria dalam model

AHP.

4.3.1.1 Pemberian Bobot Kepentingan Kriteria

Pemberian bobot kepentingan yang pertama adalah terhadap kriteria. Terdapat

tiga kriteria sebagai berikut :

1. Fungsi ( K1 )

2. Estetika ( K2 )

3. Ekonomis ( K3 )

Pemberian bobot hanya dilakukan untuk kriteria fungsi dan estetika, karena

kriteria ekonomis tidak masuk dalam penilaian juri. Tabel 4.5 sampai tabel 4.7

menyajikan hasil penilaian tiga responden dalam tabel matriks perbandingan

berpasangan.

Tabel 4.5. Hasil Penilaian Kepentingan Kriteria Responden I

Respon I K1 K2K1 1,000 0,333K2 3,000 1,000

Tabel 4.6. Hasil Penilaian Kepentingan Kriteria Responden II

Respon II K1 K2K1 1,000 2,000K2 0,500 1,000

Tabel 4.7. Hasil Penilaian Kepentingan Kriteria Responden III

Respon III K1 K2K1 1,000 1,000K2 1,000 1,000

Hasil penilaian para responden terhadap bobot kepentingan kriteria kemudian

dilakukan pengolahan awal untuk mendapatkan nilai rata-rata dari beberapa

responden sebelum dimasukkan sebagai inputan dalam proses penghitungan AHP.

Pengolahan data tersebut menggunakan persamaan rata-rata geometrik sesuai dengan


commit to user IV-6

persamaan (2.4). Hasil penghitungan rata-rata geometrik ini ditampilkan pada tabel

4.8.

Tabel 4.8. Hasil Penghitungan Rata-rata Geometris Kepentingan Kriteria

AHP K1 K2K1 1,000 0,873K2 1,145 1,000

Jumlah 2,145 1,873

4.3.1.2 Pemberian Bobot Kepentingan Subkriteria

Pada tahap ini proses yang dilakukan mirip dengan tahap pemberian bobot

kepentingan kriteria. Terdapat beberapa subkriteria dari tiga kriteria yang dijelaskan

sebelumnya. Kekuatan (K11), kenyamanan (K12) dan kemudahan pengoperasian (K13)

merupakan subkriteria dari kriteria kekuatan. Desain (K21), makna simbolis (K22) dan

originalitas (K23) merupakan subkriteria dari kriteria estetika. Sedangkan harga (K31)

satu-satunya subkriteria dari kriteria ekonomis.

Berikut hasil penilaian tiga responden dalam tabel matriks perbandingan

berpasangan untuk subkriteria dari kriteria fungsi (K1).

Tabel 4.9. Hasil Penilaian Kepentingan Subkriteria Fungsi Responden I

Respon I K11 K12 K13

K11 1,000 2,000 2,000K12 0,500 1,000 1,000K13 0,500 1,000 1,000

Tabel 4.10. Hasil Penilaian Kepentingan Subkriteria Fungsi Responden II

Respon II K11 K12 K13

K11 1,000 2,000 2,000K12 0,500 1,000 1,000K13 0,500 1,000 1,000


commit to user IV-7

Tabel 4.11. Hasil Penilaian Kepentingan Subkriteria Fungsi Responden III

Respon III K11 K12 K13

K11 1,000 0,500 0,500K12 2,000 1,000 1,000K13 2,000 1,000 1,000

Hasil penilaian para responden tersebut kemudian dilakukan pengolahan awal

untuk mendapatkan nilai rata-rata dari beberapa responden menggunakan persamaan

rata-rata geometrik sesuai dengan persamaan (2.4). Hasil penghitungan rata-rata

geometrik ini ditampilkan pada tabel 4.12.

Tabel 4.12. Hasil Penghitungan Rata-rata Geometris Kepentingan Subkriteria Fungsi

AHP K11 K12 K13

K11 1,000 1,260 1,260K12 0,794 1,000 1,000K13 0,794 1,000 1,000

Jumlah 2,588 3,260 3,260

Kriteria estetika mempunyai tiga subkriteria yaitu desain (K21), makna simbolis

(K22) dan originalitas (K23). Berikut hasil penilaian tiga responden dalam tabel

matriks perbandingan berpasangan.

Tabel 4.13. Hasil Penilaian Kepentingan Subkriteria Estetika Responden I

Respon I K21 K22 K23

K21 1,000 1,000 2,000K22 1,000 1,000 2,000K23 0,500 0,500 1,000

Tabel 4.14. Hasil Penilaian Kepentingan Subkriteria Estetika Responden II

Respon II K21 K22 K23

K21 1,000 0,500 1,000K22 2,000 1,000 2,000K23 1,000 0,500 1,000


commit to user IV-8

Tabel 4.15. Hasil Penilaian Kepentingan Subkriteria Estetika Responden III

Respon III K21 K22 K23

K21 1,000 0,500 2,000K22 2,000 1,000 3,000K23 0,500 0,333 1,000

Hasil penilaian para responden tersebut kemudian juga dilakukan pengolahan

awal untuk mendapatkan nilai rata-rata dari beberapa responden menggunakan

persamaan rata-rata geometrik sesuai dengan persamaan (2.4). Hasil penghitungan

rata-rata geometrik ini ditampilkan pada tabel 4.16.

Tabel 4.16.Hasil Penghitungan Rata-rata Geometris Kepentingan Subkriteria Estetika

AHP K21 K22 K23

K21 1,000 0,630 1,587K22 1,587 1,000 2,289K23 0,630 0,437 1,000

Jumlah 3,217 2,067 4,876

4.3.2 Penghitungan Bobot Kepentingan Kriteria dan Subkriteria

Tahap ini menggunakan hasil penghitungan rata-rata geometrik sebelumnya

sebagai inputan dalam proses penghitungan AHP. Dari hasil nilai perbandingan

berpasangan dapat dihitung bobot kepentingan dari masing-masing kriteria dan

subkriteria pemilihan penyedia barang.

4.3.2.1 Penghitungan Bobot Kepentingan Kriteria dan Penghitungan Konsistensi

Penghitungan awal dilakukan dengan membagi masing-masing elemen pada

kolom tertentu dengan nilai jumlah kolom tersebut. Selanjutnya dilakukan

penjumlahan tiap baris. Kemudian merata-ratakan hasil penjumlahan baris tersebut

terhadap tiap elemen.

Langkah 1 :

Langkah pertama yaitu melakukan penjumlahan masing-masing nilai rata-rata

geometrik kriteria K1 sampai dengan K2 pada tabel 4.8. Maka kriteria K1 adalah

2,145 dan K2 adalah 1873.


commit to user IV-9

Langkah 2 :

Langkah kedua adalah melakukan perbandingan masing-masing nilai rata-rata

geometrik kriteria dengan nilai penjumlahan kolom rata-rata geometrik. Maka

perbandingan data kriteria (K1,K1) yaitu :

1,0002,145 뾸 0,466

Langkah 3 :

Langkah ketiga yaitu menghitung nilai bobot ideal untuk masing-masing penilaian

responden dengan merata-ratakan hasil penjumlahan tiap baris. Maka bobot ideal

kriteria K1 adalah :

= (0,466+0,466)/2

= 0,466

Hasil penghitungan ini dapat dilihat pada tabel 4.17. Rangking kriteria

menunjukkan cerminan tingkat kepentingan atau prioritas tiap responden terhadap

kriteria. Hasil penghitungan bobot kepentingan kriteria ini akan dikalikan dengan

bobot kepentingan subkriteria untuk didapat bobot global tiap subkriteria.

Tabel 4.17. Hasil Penghitungan AHP Kriteria

AHP K1 K2 Jumlah Bobot Ideal (w) Rangking

K1 0,466 0,466 0,932 0,466 2

K2 0,534 0,534 1,068 0,534 1

Jumlah 1,000 1,000 2,000 1,000

Penghitungan konsistensi data diperlukan untuk melihat dan menilai konsistensi

dari penilaian yang telah dilakukan. Dalam AHP, penghitungan ini dinilai konsisten

jika CR (rasio konsistensi) kurang dari 0,1. Penghitungan penilaian konsistensi data

adalah sebagai berikut :

Langkah 1 :

Perkalian matriks nilai bobot ideal tiap kriteria wK1 = 0,466 sampai dengan wK2 =


commit to user IV-10

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

dengan K2.2 = 1,000.

0,466 x 1,000 0,873

0,534 1,145 1,000

Langkah 2 :

Penghitungan penjumlahan nilai PK1 = wK1.K11 + wK2.K12

PK1 = 0,466 . 1,000 + 0,534 . 0,873 = 0,932

Langkah 3 :

Penghitungan P/w yaitu pembagian nilai P dengan nilai pembobotannya (bobot

ideal).

PK1/ wK1 = 0,932/0,466 = 2,301

Langkah 1 sampai dengan langkah 3 dilakukan pada setiap kriteria dan didapat hasil

seperti pada tabel 4.18.

Tabel 4.18. Matriks penghitungan Nilai Konsistensi Kepentingan Kriteria

AHP K1 K2 P K1 0,466 0,466 0,932 K2 0,534 0,534 1,068 P/w 2,000 2,000 4,000

Langkah 4 :

Penghitungan nilai eigen maksimum (l maks ) yaitu rata-rata P/w

l maks = {( PK1/ wK1) + ( PK2/ wK2) }/2

l maks = 2,000

Langkah 5 :

Penghitungan indeks konsistensi (CI), karena matriks berordo 2, nilai indeks

konsistensi yang diperoleh :

1--

=n

nCI maksimuml



1222

--

=CI = 0.000

Langkah 6 :

Penghitungan rasio konsistensi (CR) yakni perbandingan indeks konsistensi dengan

nilai pembangkit random (RI) yang ditabelkan dalam tabel 2.2. Nilai ini bergantung

pada ordo matriks n.

00

=CR = 0.000

Dari penghitungan didapatkan nilai CR adalah 0 maka dapat disimpulkan bahwa data

responden ini dapat dikatakan konsisten. Nilai pembobotan kepentingan masing-

masing kriteria dan rangking ditampilkan pada tabel 4.19.

Tabel 4.19. Nilai Bobot Kepentingan Kriteria dan Rangking

Kriteria Bobot RangkingFungsi 0,466 2Estetika 0,534 1

4.3.2.2 Penghitungan Bobot Kepentingan Subkriteria dan Penghitungan

Konsistensi

Proses penghitungan bobot kepentingan subkriteria mirip dengan proses

penghitungan bobot kepentingan kriteria yaitu dengan membagi masing-masing

elemen pada kolom tertentu dengan nilai jumlah kolom tersebut. Selanjutnya

dilakukan penjumlahan tiap baris. Kemudian merata-ratakan hasil penjumlahan baris

tersebut terhadap tiap elemen. Berikut adalah penghitungan bobot kepentingan

subkriteria berdasarkan tiap kriterianya :

1. Fungsi

Langkah 1 :

Langkah pertama yaitu melakukan penjumlahan masing-masing nilai rata-rata

geometrik subkriteria K11 sampai dengan K13 pada tabel 4.8. Maka subkriteria

RICI

CR =



K11 adalah 2,588 dan K13 adalah 3,260.

Langkah 2 :

Langkah kedua adalah melakukan perbandingan masing-masing nilai rata-rata

geometrik subkriteria dengan nilai penjumlahan kolom rata-rata geometrik.

Maka perbandingan data kriteria (K11, K11) yaitu : 1,0002,588 뾸 0,386

Langkah 3 :

Langkah ketiga yaitu menghitung nilai bobot ideal untuk masing-masing

penilaian responden dengan merata-ratakan hasil penjumlahan tiap baris.

Maka bobot ideal subkriteria K11 adalah :

= (0,386+0,387+0,387)/3

= 0,386

Hasil penghitungan ini dapat dilihat pada tabel 4.20. Hasil

penghitungan bobot kepentingan kriteria ini akan dikalikan dengan bobot

kepentingan kriteria untuk didapat bobot global tiap subkriteria. Sebelum itu

dilakukan penghitungan konsistensi untuk melihat dan menilai konsistensi

dari penilaian yang telah dilakukan.

Tabel 4.20. Hasil Penghitungan AHP Subkriteria Fungsi

AHP K11 K12 K13 Jumlah Bobot Ideal (w) RangkingK11 0,386 0,387 0,387 1,159 0,386 1K12 0,307 0,307 0,307 0,920 0,307 2K13 0,307 0,307 0,307 0,920 0,307 2

Jumlah 1,000 1,000 1,000 3,000 1,000

Langkah 1 :

Perkalian matriks nilai bobot ideal tiap subkriteria wK11 = 0,386 sampai

dengan wK13 = 0,307 dengan hasil penghitungan rata-rata geometris responden

K11. K11 = 1,000 sampai dengan K13. K13 = 1,000.

0,386 1,000 1,260 1,2600,307 x 0,794 1,000 1,0000,307 0,794 1,000 1,000



Langkah 2 :

Penghitungan penjumlahan nilai PK11 = wK11.K11. K11 + wK12.K11. K12 +

wK13.K11. K13

PK1.1 = 0,386 . 1,000 + 0,307 . 1,260 + 0,307 . 1,260 = 1,160

Langkah 3 :

Penghitungan P/w yaitu pembagian nilai P dengan nilai pembobotannya

(bobot ideal).

PK11/ wK11 = 1,160/0,386 = 3,000293

Langkah 1 sampai dengan langkah 3 dilakukan pada setiap subkriteria

dan didapat hasil seperti pada tabel 4.21.

Tabel 4.21. Matriks penghitungan Nilai Konsistensi Subkriteria Fungsi

AHP K11 K12 K13 PK11 0,386 0,387 0,387 1,160K12 0,307 0,307 0,307 0,920K13 0,307 0,307 0,307 0,920P/w 3,00029 3,0002933 3,00029 9,001

Langkah 4 :


l maks = {( PK11/ wK11) + ( PK12/ wK12) + ( PK13/ wK13 )}/3

l maks = 3,00029

Langkah 5 :



1--

=n

nCI maksimuml

13300029,3

--

=CI = 0.000145

Langkah 6 :



Penghitungan rasio konsistensi (CR) yakni perbandingan indeks konsistensi

dengan nilai pembangkit random (RI) yang ditabelkan dalam tabel 2.2. Nilai

ini bergantung pada ordo matriks n.

52,0000145,0

=CR = 0.000279

Dari penghitungan didapatkan nilai CR adalah 0,000279 maka dapat

disimpulkan bahwa data responden ini dapat dikatakan konsisten. Nilai

pembobotan kepentingan masing-masing subkriteria dan rangking

ditampilkan pada tabel 4.22.

Tabel 4.22. Nilai Bobot Kepentingan Subkriteria Fungsi

Subkriteria Bobot RangkingKekuatan 0,386 1Kenyamanan 0,307 2Kemudahan pengoperasian 0,307 2

2. Estetika

Langkah atau cara penghitungan sama dengan langkah penghitungan

subkriteria dari kriteria fungsi dengan penyesuaian nilai-nilai elemen

menggunakan tabel 4.16. Hasil penghitungannya dapat dilihat pada tabel 4.23.

Selanjutnya dilakukan penghitungan konsistensi untuk melihat dan menilai

konsistensi dari penilaian yang telah dilakukan.

Tabel 4.23. Hasil Penghitungan AHP Subkriteria Estetika

AHP K21 K22 K23

K21 1,000 0,630 1,587K22 1,587 1,000 2,289K23 0,630 0,437 1,000

Jumlah 3,217 2,067 4,876

Langkah 1 :

Perkalian matriks nilai bobot ideal tiap kriteria wK21 = 0,314 sampai dengan

wK23 = 0,204 dengan hasil penghitungan rata-rata geometris responden K21.

RICI

CR =



K21 = 1,000 sampai dengan K23. K23 = 1,000.

0,314 1,000 0,630 1,5870,482 x 1,587 1,000 2,2890,204 0,630 0,437 1,000

Langkah 2 :

Penghitungan penjumlahan nilai PK21 = wK21.K21. K21 + wK22.K21. K22 +

wK23.K21. K23

PK11 = 0,314 . 1,000 + 0,482 . 1,260 + 0,204 . 1,587 = 0,941

Langkah 3 :

Penghitungan P/w yaitu pembagian nilai P dengan nilai pembobotannya

(bobot ideal).

PK21/ wK21 = 0,941/0,314 = 3,000944

Langkah 1 sampai dengan langkah 3 dilakukan pada setiap kriteria dan

didapat hasil seperti pada tabel 4.24.

Tabel 4.24. Matriks penghitungan Nilai Konsistensi Subkriteria Estetika

AHP K21 K22 K23 Jumlah Bobot Ideal (w) RangkingK21 0,311 0,305 0,325 0,941 0,314 2K22 0,493 0,484 0,469 1,447 0,482 1K23 0,196 0,211 0,205 0,612 0,204 3

Jumlah 1,000 1,000 1,000 3,000 1,000

Langkah 4 :


l maks = {( PK21/ wK21) + ( PK22/ wK22) + ( PK23/ wK23 )}/3

l maks = 3,001

Langkah 5 :



1--

=n

nCI maksimuml

133001,3

--

=CI = 0.000497



Langkah 6 :

Penghitungan rasio konsistensi (CR) yakni perbandingan indeks konsistensi

dengan nilai pembangkit random (RI) yang ditabelkan dalam tabel 2.2. Nilai

ini bergantung pada ordo matriks n.

52,0000497,0

=CR = 0.000955

Dari penghitungan didapatkan nilai CR adalah 0,000955 maka dapat

disimpulkan bahwa data responden ini dapat dikatakan konsisten. Nilai

pembobotan kepentingan masing-masing subkriteria dan rangking

ditampilkan pada tabel 4.23.

Tabel 4.25. Nilai Bobot Kepentingan Subkriteria Estetika

Subkriteria Bobot RangkingDesain 0,314 2Makna Simbolik 0,482 1Originalitas 0,204 3

Tahap selanjutnya adalah penghitungan untuk mencari bobot kepentingan

global dari keenam subkriteria dengan cara mengalikan bobot tiap kriteria dengan

bobot tiap subkriterianya. Hasil penghitungan bobot kepentingan global ditampilkan

pada tabel 4.26.

Tabel 4.26. Hasil Penghitungan Bobot Global Subkriteria

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

Fungsi

Estetika

0,466

0,534

RICI

CR =



4.3.3 Pengumpulan Data Penilaian Penyedia Barang

Pada tahap ini dilakukan pengumpulan data penilaian penyedia barang

berdasarkan subkriteria penilaian. Data ini nantinya akan digunakan dalam proses

pengolahan selanjutnya yaitu menggunakan metode Technique for Order Preference

by Similarity to Ideal Solution (TOPSIS). Data tabel penilaian tersebut merupakan

akumulasi penilaian dari tiga juri.

Selanjutnya dilakukan penghitungan akar dari penjumlahan kuadrat pada tiap

nilai data untuk memudahkan dalam penghitungan TOPSIS. Tabel 4.27 menyajikan

hasil penghitungan tersebut beserta nilai maksimal dan minimal dari setiap data.

Tabel 4.27. Penghitungan Data Penilaian Penyedia Barang

PENILAIAN K11 K12 K13 K21 K22 K23


(∑(Xkj^2))^0,5 526,639 505,613 502,221 495,278 530,000 490,153Max 270 260 260 260 265 255Min 255 245 240 240 265 240

4.3.4 Penghitungan Normalisasi Data

Pada tahap ini dilakukan normalisasi data untuk data yang memiliki satuan

berbeda untuk menghilangkan fungsi satuan dari masing-masing data. Metode

TOPSIS memliki kelebihan dalam mengolah data kuantitatif dengan satuan yang

berbeda sehingga nantinya memudahkan dalam penghitungan pembobotan pada

masing-masing subkriteria. Penghitungan normalisasi data dilakukan dengan

persamaan (2.5).

辊úú 뾸 270526,639 뾸 0,513



Penghitungan diatas adalah salah satu penghitungan normalisasi data untuk

subkriteria K11 dalam kasus dua penyedia barang. Hasil keseluruhan penghitungan

disajikan pada tabel 4.28.

Tabel 4.28. Normalisasi Data Penilaian Penyedia Barang

rkj K11 K12 K13 K21 K22 K23

Peserta 1 0,513 0,502 0,478 0,505 0,500 0,500Peserta 2 0,494 0,485 0,508 0,525 0,500 0,490Peserta 3 0,484 0,514 0,496 0,485 0,500 0,520Peserta 4 0,509 0,498 0,518 0,485 0,500 0,490

4.3.5 Pembobotan Data Ternormalisasi

Pada proses TOPSIS data ternormalisasi tiap subkriteria akan dilakukan

pembobotan dari hasil penghitungan bobot kepentingan menggunakan metode AHP.

Penghitungannya dengan menggunakan persamaan (2.6) yaitu dengan mengalikan

tiap data ternormalisasi dengan tiap bobot subkriteria. 惯úú 뾸 0,180果0,513 뾸 0,092

Penghitungan diatas adalah salah satu penghitungan pembobotan data

ternormalisasi untuk V11. Hasil keseluruhan penghitungan disajikan pada tabel 4.29

beserta nilai maksimal dan minimal dari tiap pembobotan data ternormalisasi. Nilai

maksimal dan minimal dari tiap pembobotan data ternormalisasi berfungsi sebagai

solusi ideal positif (batas atas) dan solusi ideal negatif (batas bawah) yang digunakan

untuk melakukan penghitungan selanjutnya yaitu menghitung nilai separasi solusi

ideal positif dan nilai separasi solusi ideal negatif.

Tabel 4.29. Pembobotan Data Ternormalisasi



Vij K11 K12 K13 K21 K22 K23

Peserta 1 0,092 0,072 0,068 0,085 0,129 0,054Peserta 2 0,089 0,069 0,073 0,088 0,129 0,053Peserta 3 0,087 0,074 0,071 0,081 0,129 0,057Peserta 4 0,092 0,071 0,074 0,081 0,129 0,053

Max 0,092 0,074 0,074 0,088 0,129 0,057Min 0,087 0,069 0,068 0,081 0,129 0,053

4.3.6 Penghitungan Separasi Solusi Ideal Positif dan Separasi Solusi Ideal

Negatif

4.3.6.1 Penghitungan Separasi Solusi Ideal Positif

Penghitungan solusi ideal positif adalah dengan menghitung kuadrat selisih

data terhadap nilai maksimumnya lalu diakumulasikan sesuai jumlah subkriteria dan

diakar. Penghitungan ini menggunakan persamaan (2.9). Penghitungan dibawah

adalah salah satu penghitungan separasi solusi ideal positif untuk peserta 1. Hasil

keseluruhan penghitungan disajikan pada tabel 4.30. 雇诡∗ 뾸 税走纵0,092石0,092邹2十纵0,072石0,074邹2…… .十纵0,054石0,053邹2奏 = 0,007

Tabel 4.30. Separasi Solusi Ideal Positif

TOPSIS Dk*

Peserta 1 0,007Peserta 2 0,007Peserta 3 0,009Peserta 4 0,008

4.3.6.2 Penghitungan Separasi Solusi Ideal Negatif

Penghitungan separasi solusi ideal negatif adalah dengan menghitung kuadrat

selisih data terhadap nilai minimumnya lalu diakumulasikan sesuai jumlah subkriteria

dan diakar. Penghitungan ini menggunakan persamaan (2.10). Penghitungan dibawah

adalah salah satu penghitungan separasi solusi ideal negatif untuk peserta 1. Hasil

keseluruhan penghitungan disajikan pada tabel 4.31.



雇诡石뾸 税走纵0,092石0,087邹2 十纵0,072石0,069邹2…… .十纵0,072石0,072邹2奏 = 0,007

Tabel 4.31. Separasi Solusi Ideal Negatif

TOPSIS Dk-Peserta 1 0,007Peserta 2 0,008Peserta 3 0,006Peserta 4 0,007

4.3.6 Penghitungan Kedekatan Relatif terhadap Solusi Ideal

Tahap ini dilakukan setelah penghitungan separasi solusi ideal positif dan

separasi solusi ideal negative selesai. Penghitungan kedekatan relative terhadap solusi

ideal merupakan langkah terakhir untuk mendapatkan solusi optimal. Penghitungan

ini menggunakan persamaan (2.11), penghitungannya adalah membagi nilai separasi

solusi ideal negatif dengan penjumlahan nilai separasi solusi ideal positif dan nilai

separasi solusi ideal negatif.

固ú∗ 뾸 0,007纵0,007十0,007邹固ú∗ 뾸 0,0070,014

= 0,484

Penghitungan diatas adalah salah satu penghitungan kedekatan relatif terhadap solusi

ideal untuk peserta 1. Hasil keseluruhan penghitungan disajikan pada tabel 4.32.

Tabel 4.32. Kedekatan Relatif terhadap Solusi Ideal



TOPSIS (Dk*+Dk-) C* RangkingPeserta 1 0,014 0,484 3Peserta 2 0,015 0,556 1Peserta 3 0,015 0,397 4Peserta 4 0,015 0,486 2

4.4 Perancangan Desain Proses Bisnis

Perancangan proses bisnis ini menggambarkan semua rangkaian aktifitas yang

harus dilakukan untuk mendapatkan suatu output atau hasil. Perancangan proses

bisnis ini digambarkan dalam sebuah use case diagram. Use case diagram mampu

menggambarkan fungsionalitas yang digambarkan dalam sistem. Use case diagram

juga mampu menunjukkan sebuah interaksi user dengan sistem. Gambar 4.3

menampilkan use case diagram dari program sistem pendukung keputusan yang akan

dibuat.

Gambar 4.3 Rancangan Use case diagram



4.5 Perancangan Entity Relationship Diagram (ERD)

Entity relationship diagram menggambarkan hubungan antara entitas-entitas

dalam basisdata yang akan dipakai dalam perancangan program sistem pendukung

keputusan. Terdapat delapan entitas yang terlibat dalam perancangan ERD, antara

lain:

1. Pengguna : menyimpan semua informasi entitas pengguna (user) proyek

pengadaan barang.

2. Kategori pengguna : menyimpan semua informasi entitas kategori pengguna

proyek pengadaan barang.

3. Pengadaan : menyimpan semua informasi entitas proyek pengadaan barang.

4. Ketegori pengadaan : menyimpan semua informasi entitas proyek pengadaan

barang.

5. Kriteria : menyimpan semua informasi entitas kriteria dan subkriteria proyek

pengadaan barang.

6. Matriks bobot : menyimpan semua informasi entitas matriks bobot proyek

pengadaan barang

7. Penilaian : menyimpan semua informasi entitas penilaian proyek pengadaan

barang

8. Peserta : menyimpan semua informasi entitas peserta proyek pengadaan

barang.

Hubungan antara entitas-entitas tersebut dapat dilihat pada gambar 4.4



Gambar 4.4 Rancangan Entity relationship diagram

4.5.1 Perancangan Desain Interface

Perncangan desain interface atau tatap muka bertujuan untuk memudahkan

pengguna sistem pendukung keputusan. Perancangan interface atau tatap muka ini

dibagi menjadi 4 bagian utama :

1. Halaman Login (halaman awal)

2. Halaman Input

3. Halaman Penghitungan

4. Halaman Output

5.



4.5.1.1 Perancangan Halaman Login

Pada halaman login yang berfungsi juga sebagai halaman awal yang tampil

saat website ini dibuka menampilkan gambaran menu untuk login. Pada halaman

awal ini akan tampil informasi update dari kegiatan proyek pengadaan barang. Desain

interface halaman ini disajikan pada gambar 4.5.

Gambar 4.5 Rancangan Interface Halaman Utama

4.5.1.2 Perancangan Halaman Input

Perancangan interface halaman input terdiri dari halaman input untuk juri dan

halaman input untuk panitia proyek pengadaan barang. Halaman input untuk juri

terdiri dari halaman awal, halaman lihat jadwal input, halaman input bobot kriteria

dan subkriteria, halaman lihat konsistensi, dan halaman input nilai. Halaman input

untuk panitia terdiri dari halaman awal, halaman membuat proyek pengadaan,

halaman membuat daftar panitia, halaman membuat daftar juri, halaman membuat

daftar peserta, halaman menyusun jadwal input, dan halaman input kriteria dan

subkriteria.



Gambar 4.6 Rancangan Interface Halaman Awal Juri

Gambar 4.6 menampilkan halaman awal setelah user login sebagai juri. Pada

halaman ini pengguna atau user dapat melakukan link ke halaman jadwal input,

halaman input bobot kriteria dan subkriteria, halaman lihat konsistensi, halaman input

nilai, halaman hasil akhir dan menu keluar.

Gambar 4.7 Rancangan Interface Halaman Lihat Jadwal Input

Gambar 4.7 berfungsi untuk memudahkan juri untuk melihat berbagai jadwal

penginputan. pada halaman ini disajikan informasi kegiatan, waktu, tempat dan

keterangan untuk setiap tahap penginputan.



Gambar 4.8 Rancangan Interface Halaman Input Bobot

Halaman input bobot kriteria dan subkriteria yang disajikan pada gambar 4.8

berfungsi sebagai halaman dimana setiap juri memberi bobot pada setiap kriteria dan

subkriteria. Hasil pemberian bobot tersebut ditampilkan dalam sebuah tabel yang bisa

diedit jika terdapat kesalahan penginputan.

Gambar 4.9 Rancangan Interface Halaman Lihat Konsistensi

Halaman lihat konsistensi yang disajikan pada gambar 4.9 berfungsi agar juri

dapat melihat hasil konsistensi setelah mereka menginput bobot pada setiap kriteria.

Penghitungan konsistensi dilakukan oleh panitia pada halaman penghitungan.



Gambar 4.10 Rancangan Interface Halaman Input Nilai

Halaman input nilai yang disajikan pada gambar 4.10 berfungsi sebagai halaman

dimana setiap juri memberi nilai pada setiap kriteria dan subkriteria untuk setiap

peserta. Hasil pemberian edit tersebut ditampilkan dalam sebuah tabel yang bisa

diedit jika terdapat kesalahan penginputan.

Gambar 4.11 Rancangan Interface Halaman Awal Panitia



Gambar 4.11 menampilkan halaman awal setelah user login sebagai panitia.

Pada halaman ini pengguna atau user dapat melakukan link ke halaman membuat

proyek pengadaan, halaman membuat daftar panitia, halaman membuat daftar juri,

halaman membuat daftar peserta, halaman menyusun jadwal input, dan halaman input

kriteria dan subkriteria, halaman menghitung bobot konsistensi, halaman menghitung

nilai dan menu keluar.

Gambar 4.12 Rancangan Interface Halaman Daftar Juri



Gambar 4.13 Rancangan Interface Halaman Daftar Peserta

Gambar 4.14 Rancangan Interface Halaman Daftar Panitia



Gambar 4.12, gambar 4.13 dan gambar 4.14 menampilkan halaman input yang

berfungsi sebagai halaman dimana panitia membuat daftar juri, daftar peserta dan

daftar panitia. Hasil inputan tersebut ditampilkan dalam sebuah tabel yang bisa diedit

jika terdapat kesalahan penginputan.

Gambar 4.15 Rancangan Interface Halaman Menyusun Jadwal Penilaian

Gambar 4.15 menampilkan halaman bagi panitia yang berfungsi untuk

menginput jadwal penilaian bagi juri. Hasil inputan tersebut ditampilkan dalam

sebuah tabel yang bisa diedit jika terdapat kesalahan penginputan.



Gambar 4.16 Rancangan Interface Halaman Input Kriteria

Halaman input kriteria dan subkriteria yang disajikan pada gambar 4.16

berfungsi sebagai halaman dimana panitia menginputkan susunan kriteria dan

subkriteria. Hasil inputan tersebut ditampilkan dalam sebuah tabel yang bisa diedit

jika terdapat kesalahan penginputan.

4.5.1.3 Perancangan Halaman Penghitungan

Perancangan interface halaman penghitungan terdiri dari halaman menghitung

bobot konsistensi dan halaman menghitung nilai. Penghitungan ini dilakukan oleh

panitia proyek pengadaan barang.



Gambar 4.17 Rancangan Interface Halaman Hitung Konsistensi

Gambar 4.17 menampilkan halaman bagi panitia yang berfungsi untuk

menghitung bobot konsistensi dari setiap inputan bobot tiap kriteria oleh juri. Hasil

penghitungan tersebut akan ditampilkan pada halaman lihat konsistensi yang bisa

diakses oleh juri sehingga juri dapat melihat apakah inputan mereka sudah konsisten

atau belum.



Gambar 4.18 Rancangan Interface Halaman Hitung Nilai

Gambar 4.18 menampilkan halaman menghitung nilai yang berfungsi untuk

menghitung nilai dari setiap peserta. Penghitungan ini dilakukan setelah juri selesai

menginput bobot tiap kriteria dan nilai untuk tiap peserta. Hasil penghitugan tersebut

akan ditampilkan pada halaman hasil akhir yang juga bisa diakses oleh juri sehingga

juri juga dapat melihat siapa yang terpilih menjadi penyedia barang terbaik.



4.5.1.4 Perancangan Halaman Output

Perancangan interface halaman penghitungan menampilkan hasil penghitugan yang

bisa diakses oleh juri sehingga juri juga dapat melihat siapa yang terpilih menjadi

penyedia barang terbaik. Rancangan interface halaman ini ditampilkan pada gambar

4.19.

Gambar 4.19 Rancangan Interface Hasil Akhir


commit to user

V-1

BAB V

ANALISIS DAN INTERPRETASI HASIL

Pada bab ini dilakukan analisis hasil dari pegusulan model pendukung

keputusan menggunakan AHP dan TOPSIS, perancangan proram dan validasi

program .

5.1 Analisis TOPSIS dalam mengatasi variabilitas data yang tinggi

Penghitungan dengan metode scoring dan rata-rata memiliki kelemahan

untuk penghitungan data yang mempunyai variabilitas tinggi. Rata-rata

merupakan suatu ukuran kecenderungan terpusat dari suatu kelompok data dan

cukup mewakili jika data mempunyai suatu variabilitas yang rendah, tetapi jika

dilakukan pengamatan dengan variabilitas tinggi, rata-rata bukan ukuran yang

baik. Menggunakan rata-rata dapat menghilangkan informasi yang pantas

dipertimbangkan dan oleh karena itu tidak cocok digunakan untuk membuat

perbandingan.

Penghitungan menggunakan metode TOPSIS mampu mengatasi masalah

tersebut karena memang metode TOPSIS digunakan untuk penghitungan pada

konsep multi alternatif pada suatu nilai objektif yang mempunyai variasi tinggi.

Pada TOPSIS terdapat suatu tahap yang mengidentifikasi nilai-nilai objektif yang

memiliki fungsi dominan atau fungsi paling baik dari setiap multi kriteria,

sehingga nilai dominan dan nilai tidak dominan ini menjadi metode pemisah dari

solusi ideal positif dan solusi ideal negatif untuk mencari nilai terdekat dari solusi

ideal positif dan nilai terjauh dari solusi ideal negatif.

Hasil dari penghitungan metode scoring biasa yang dipakai dalam beberapa

metode kontes menunjukkan terdapat adanya persamaan nilai antara dua peserta

atau lebih. Berikut hasilnya :

Tabel 5.1. Hasil dan Rangking Penghitungan Scoring

Kekuatan (K11) Kenyamanan (K12) Kemudahan Pengoperasian (K13) Desain (K21) Makna Simbol (K22) Originalitas (K31) Jumlah RangkingPeserta 1 270 254 240 250 265 245 1524 2Peserta 2 260 245 255 260 265 240 1525 1Peserta 3 255 260 249 240 265 255 1524 2Peserta 4 268 252 260 240 265 240 1525 1


commit to user

V-2

Hasil dari metode scoring yang sudah dikalikan oleh bobot dari setiap

kriteria, berikut hasilnya :

Tabel 5.2. Hasil dan Rangking Penghitungan Scoring Bobot

K11 K12 K13 K21 K22 K23 Jumlah Rangking48,6 36,322 34,32 42 68,105 26,705 256,052 246,8 35,035 36,465 43,68 68,105 26,16 256,245 145,9 37,18 35,607 40,32 68,105 27,795 254,907 4

48,24 36,036 37,18 40,32 68,105 26,16 256,041 3

Hasil dari metode TOPSIS, berikut hasilnya :

Tabel 5.3. Hasil dan Rangking Penghitungan TOPSIS

TOPSIS (Dk*+Dk-) C* RangkingPeserta 1 0,014 0,484 3Peserta 2 0,015 0,556 1Peserta 3 0,015 0,397 4Peserta 4 0,015 0,486 2

Pada hasil tersebut terlihat adanya perbedaan rangking antara metode

TOPSIS dan metode scoring biasa atau saat dikalikan dengan bobot. Jika dilihat

pada metode scoring biasa terdapat kesulitan menentukan pilihan dikarenakan

adanya persamaan nilai antara peserta satu dengan yang lain. Pada metode

TOPSIS dan scoring bobot memang terdapat persamaan untuk rangking peserta

pertama, namun untuk rangking kedua dan ketiga terdapat perbedaan. Pada

beberapa penelitian sebelumnya telah ditunjukkan bahwa hasil TOPSIS lebih baik

dari metode scoring bobot.

Pada penelitian ini hasil dari metode TOPSIS mempunyai nilai yang jauh

lebih dekat antara nilai peserta satu dengan yang lain jika dibandingkan dengan

hasil nilai scoring bobot. Penggunaan metode TOPSIS memang memadai untuk

digunakan dalam mengantisipasi variabilitas data yang tinggi.

5.2 Pembuatan Program Aplikasi

Pembuatan program aplikasi merupakan tahapan setlah perancangan

database dan user interface program. Pembuatan program aplikasi ini dibuat

untuk mempermudah penghitungan dari pengambilan keputusan menggunakan

metode AHP dan TOPSIS. Pembuatan program aplikasi ini dibuat dengan


commit to user

V-3

menyusun kode-kode program sesuai rancangan database yang telah disusun

sebelumnya.

5.3 Validasi Program

Tahap selanjutnya setelah pembuatan program adalah tahap validasi

program. Validasi program bertujuan untuk menguji program apakah program

sudah memberikan hasil yang sesuai atau belum. Validasi dilakukan dengan

melakukan inputan pada program sesuai dengan data-data yang digunakan pada

pengolahan data sebelumnya. Program akan melakukan penghitungan dan hasil

yang didapatkan seharusnya sesuai dengan hasil dari pengolahan data dengan cara

manual sebelumnya.

5.3.1 Analisis Proses Penilaian

Peserta dalam pengadaan barang menggunakan metode kontes dinilai secara

scoring dengan range nilai tertentu. Proses penilaian tersebut pada umumnya

belum disusun dengan adanya sebuah rubric atau petunjuk penilaian yang

spesifik. Belum adanya rubrik atau petunjuk penilaian terhadap peserta membuat

adanya kemungkinan perbedaan selisih nilai yang besar antara juri satu dengan

juri yang lain.

Pembuatan rubrik atau petunjuk penilaian diharapkan dapat mempersempit

adanya kemungkinan perbedaan selisih nilai yang besar antar juri. Rubrik atau

petunjuk penilaian tersebut disusun pada setiap kriteria. Adanya rubrik atau

petunjuk penilaian tersebut bukan untuk membatasi kewenangan juri untuk

melakukan penilaian, tetapi diharapkan dapat membantu dan memudahkan juri

untuk melakukan penilaian terhadap peserta pengadaan barang. Suatu rubrik dapat

bernilai baku atau bernilai range tertentu, tergantung bagaimana rubrik itu ingin

difungsikan. Gambar 5.1 menampilkan form dalam pembuatan rubrik penilaian.

Tampilan interface pada gambar 5.2 menunjukkan adanya rubrik atau

petunjuk penilaian pada program yang dibuat. Rubrik tersebut akan muncul saat

juri akan melakukan penilaian terhadap peserta sesuai kriteria tertentu. Rubrik

atau petunjuk penilaian tersebut nantinya dibuat oleh panitia pengadaan barang.

Jika rubrik atau petunjuk penilaian tersebut belum dibuat oleh panitia pengadaan


commit to user

V-4

barang, maka juri tidak bisa melakukan penilaian terhadadap peserta pengadaan

barang.

Gambar 5.1 Form Input Rubrik Penilaian

Gambar 5.2 Form Input Penilaian Peserta


commit to user

V-5

5.3.2 Analisis Hasil Pengujian

Tampilan interface dari hasil pengolahan data pada program ditampilkan

pada gambar 5.3 sedangkan hasil pengolahan data secara manual yang telah

dilakukan sebelumnya disajikan pada tabel 5.3.

Gambar 5.3 Form Hasil Akhir

Hasil yang ditampilkan gambar 5.3 sama dengan hasil data pengolahan data

secara manual. Hal ini sesuai dengan tujuan validasi program, sehingga dapat

disimpulkan bahwa program mampu memberikan hasil yang akurat sesuai dengan

pengolahan data secara manual dan mampu memberikan hasil rangking untuk

membantu panitia dan juri pengadaan barang memilih peserta dengan nilai

terbaik.


commit to user

VI-1

BAB VI

KESIMPULAN DAN SARAN

Bab ini berisi beberapa kesimpulan dan saran dari penelitian yang dilakukan.

Kesimpulan merupakan hasil sedangkan saran berisi tentang hal-hal yang harus

dipertimbangkan untuk penelitian selanjutnya.

6.1 KESIMPULAN

Berdasarkan hasil analisis yang telah dilakukan, dapat diperoleh kesimpulan

sebagai berikut :

1. Model pengambilan keputusan menggunakan penggabungan metode

analytic hierarchy process (AHP) dan technique for order preference by

similarity to ideal solution (TOPSIS) untuk digunakan pada kegiatan

pengadaan barang dengan metode kontes mampu memberikan informasi

rangking dari kriteria pemilihan sehingga para juri dapat lebih fokus saat

memberikan penilaian pada setiap kriteria.




pengadaan barang dengan metode kontes mampu memberikan hasil yang

lebih efektif sehingga panitia pengadaan dapat memilih penyedia barang

yang terbaik.




pengadaan barang dengan metode kontes mampu mengatasi variabilitas

data yang tinggi dengan menghasilkan selisih nilai yang kecil antar

setiap penyedia barang.

4. Berdasarkan hasil validasi program, program aplikasi sudah mampu

memberikan hasil yang akurat sesuai dengan pengolahan data secara

manual dan mampu memberikan hasil rangking sehingga membantu

panitia dan juri pengadaan barang untuk memilih penyedia barang yang

terbaik.


commit to user

VI-2

6.2 SARAN

Berdasarkan kesimpulan maka dapat dikemukakan beberapa saran bagi

pengembangan penelitian selanjutnya, yaitu:

1. Pengambilan keputusan pada pengadaan barang dengan metode kontes

dapat menerapkan berbagai metode multi attribute decision making

untuk menggantikan penggunaan metode scoring.

2. Penelitian dengan metode lain selain yang digunakan pada penelitian ini

dapat memberikan perbandingan keakuratan dari pengambilan keputusan

pada kasus pengadaan barang dengan menggunakan metode kontes.

3. Penelitian selanjutnya diharapkan dapat memunculkan metode baru

sehingga penentuan konsistensi bobot dari kriteria dapat lebih efektif.

JURUSAN TEKNIK INDUSTRI FAKULTAS TEKNIK … filePENGADAAN BARANG PEMERINTAH MENGGUNAKAN PAIRWISE...

Documents

Transcript of JURUSAN TEKNIK INDUSTRI FAKULTAS TEKNIK … filePENGADAAN BARANG PEMERINTAH MENGGUNAKAN PAIRWISE...