MAKALAH SENTIKA 2013 17 ANALISIS METODE AHP · PDF filepertanian dan sistem agribisnis yang...

Seminar Nasional Teknologi Informasi dan Komunikasi 2013 (SENTIKA 2013) ISSN: 2089-9815 Yogyakarta, 9Maret 2013

120

ANALISIS METODE AHP DALAM PENENTUAN PRESTASI GABUNGAN KELOMPOK TANI

Patrisius Batarius1

1Program Studi Teknik Informatika, Fakultas Teknik, Universitas Katolik Widya Mandira Kupang Jl. A. Yani 50-52 Kupang

E-mail: [email protected]

ABSTRACT Gapoktan is one of the indications of the succesfull of Program Usaha Agribisnis Perdesaan (PUAP). The determination of Gapoktan prestation has been declared in Minister of Agriculture regulation attachments Number : 29/Permentan/OT.140/5/2011 Date : 30th Mei 2011. The criteria of determining the prestation of the regulation forms a hierarchy. Each hierarchy has its own assessment weight. The purpose of this research is to find the result of the Analytic Hierarchy Process (AHP) accuracy in determining the assessment of the Gapoktan prestation. Database is used save relative importance weight between each criteria. The determination of the relative importance between one criteria to another to form a pairwise matrix is adjusted by the rules. The calculation using AHP method and the ordinary method has the same result. The accuracy of AHP calculation is 98,857%. Keywords : DSS, AHP, multicriteria ABSTRAK Prestasi Gabungan Kelompok Tani (Gapoktan) merupakan salah satu indikasi berhasil tidaknya Program Usaha Agribisnis Perdesaan (PUAP). Penentuan prestasi Gapoktan sudah diatur dalam Lampiran Peraturan Menteri Pertanian Nomor : 29/Permentan/OT.140/5/2011 Tanggal : 30 Mei 2011. Kriteria penentuan prestasi dari peraturan tersebut membentuk suatu hirarki. Setiap hirarki memiliki bobot penilaian tersendiri.Penelitian ini bertujuan untuk mengetahui hasil keakuratan metode Analytic Hierarchy Process (AHP) dalam menentukan penilaian prestasi Gapoktan. Data base digunakan untuk menyimpan bobot kepentingan relatif antar kriteria yang selanjut digunakan dalam menentukan matriks berpasangan. Penentuan kepentingan relatif antara elemen yang satu dengan elemen yang lainnya untuk membentuk matriks berpasangan disesuaikan dengan peraturan yang ada. Perhitungan dengan metode AHP dengan perhitungan dengan metode biasa memiliki hasil yang sama. Keakuratan perhitungan AHP sebesar 98,857%. Kata Kunci: SPK, AHP, multicriteria 1. PENDAHULAUAN

Gabungan Kelompok Tani (Gapoktan) merupakan pelaksana akhir dari Program Usaha Agribisnis Perdesaan (PUAP). Keberhasilan Gapoktan merupakan indikator keberhasilan PUAP. Keberhasilan Gapoktan diukur dengan beberapa aspek penilaian. Aspek penilaian ini menjadi tolok ukur prestasi Gapoktan dalam mengembangkan usaha produktifnya.

Bentuk penghargaan dan sekaligus member motivasi bagi perkembangan usaha produktif Gapoktan dilakukan penilaian kinerja Gapoktan. Penentuan prestasi Gapoktan diatur dalam Lampiran Peraturan Menteri Pertanian Nomor : 29/Permentan/OT.140/5/2011 Tanggal : 30 Mei 11. Tim penilai yang terdiri dari

Banyaknya kriteria penilaian dalam peraturan ini membentuk hirarki tersendiri. Hirarki yang paling tinggi terdiri dari aspek penilaian dan dipecahkan dalam sub-sub aspek penilaian. Selanjutnya sub-sub aspek penilaian dipecahakn lagi dalam indikator-indikator penilaian. Aspek penilaian, sub aspek serta indikator penilaian masing-masing memiliki kriteria-

kriteria yang banyak. Analityc Hierarchy Process (AHP) merupakan

salah satu metode yang digunakan dalam Sistem Pendukung Keputusan (SPK). SPK dalam penentuan prestasi dengan multi-criteria sering memberikan kendala tersendiri. Dengan prinsi AHP masalah penentuan penilaian prestasi dengan multi-criteria bisa diatasi.

Demikianpun halnya penentuan prestasi Gapoktan. Bersumber pada Lampiran Peraturan Menteri Pertanian Nomor : 29/Permentan/ OT.140 /5/2011 Tanggal : 30 Mei 2011, penelitian ini bertujuan untuk menentukan prestasi Gapoktan menggunakan metode AHP. Selain itu membuktikan seberapa akurat metode AHP dalam penentuan prestasi Gapoktan. Hasil penentuan dengan metode AHP ini akan dibandingkan dengan proses penentuan prestasi dengan cara perhitungan manual biasa. 2. TINJAUAN PUSTAKA 2.1 Beberapa Penelitian Tentang Pertanian

Beberapa penelitian di bidang pertanian yang


121

berkaitan dengan informasi pertanian dianataranya bahwa peran penyuluhan pertanian untuk menyebarkan informasi yang tepat kepada para petani di Indonesia sangat penting (Margono, et, al, 2011). Menurut Warr, (2011), perlunya investasi dalam penelitian bidang pertanian di Indonesia guna mencapai swasembada pangan. Sementara menurut Suryahadi, et, al (2011), bahwa perlu dilakukan prioritas kebijakan yang diambil berkaitan dengan pertanian dalam upaya pengurangan kemiskinan di pedesaan. Di era globalisasi dan liberalisai penting untuk melindungi dan mendukung pertumbuhan produktivitas di bidang pertanian Teweldemedhin, et.al (2010). Kebijakan pertanian adalah kunci dalam pertumbuhan ekonomi karena mempengaruhi pertumbuhan ekspor Anthony (2010). Hal yang sama juga didukung oleh Anim, et,al. (2011), bahwa petani yang bergerak di bidang agribisnis dan usaha berkelanjutan serta memiliki pengetahuan teknologi pertanian dan sistem agribisnis yang beragam lebih tinggi tingkat kesejahteraannya daripada petani yang tingkat pengetahuan dan akses informasinya rendah. Sedangkan menurut Xu, et.al, (2011), perencanaan dan kebijakan pertanian harus mengatasi dampak negatif kesulitan ekonomi terhadap praktek pertanian untuk secara efektif mendukung kesehatan ekonomi industri pertanian. 2.2 Sistem Pendukung Keputusan

Sistem Pendukung Keputusan (SPK) merupakan sistem berbasis komputer yang interaktif yang membantu pengambilan keputusan memanfaatkan data dan model untuk menyelesaikan masalah-masalah yang tak terstruktur. SPK mendayagunakan resources individu-individu secara intelek dengan kemampuan komputer untuk meningkatkan kualitas keputusan (Turban, et.al, 2005).

Peran Sistem Pendukung Keputusan (SPK) banyak membantu dalam proses-proses perangkingan, penilaian, evaluasi kinerja atau menentukan pilihan berdasarkan skor atau pembobotan nilai tertentu. Konsep SPK banyak digunakan di berbagai bidang. Salah satunya di bidang pertanian. Singh, et, al. (2008), meneliti tentang Sistem Pendukung Keputusan dalam kaitannya dengan manajemen pertanian. Keputusan yang interaktif, fleksibel dan cepat adalah sesuatu yang penting bagi para petani. Beberapa output dan implikasi dari sistem pendukung keputusan yang dibuat adalah berkaitan dengan pengelolaan air tanah di daerah yang terkendala dengan air, dengan memperhatikan kondisi fisik dan sosial ekonomi daerah setempat. Selain itu, SPK digunakan untuk mengevaluasi faktor risiko dalam mengambil sebuah keputusan yang berguna bagi pembangunan di bidang sektor pertanian (Toledo, et.al, 2011). Flores, et.al, (2010), mengembangkan SPK yang dinamis di perkebunan jeruk, dalam kaitannya dengan sumber daya air di tingkat petani untuk proses sistem pengairan. SPK online ini didasarkan pada

perumusan dan integrasi dari tiga komponen seperti basis data dinamis-relasional, model administrator dan antar muka. Volk, et, al.(2010), menjelaskan empat kriteria yang dianggap penting dalam penggunaan Sistem Pendukung Keputusan yang sukses dalam area perkebunan antara lain: sistem yang mutu, dukungan pengguna dan pelatihan pengguna, manfaat yang dirasakan dan kepuasaan pengguna.

2.3 Analytical Hierarchy Process (AHP).

Salah satu metode yang digunakan dalam SPK adalah metode Analytical Hierarchy Process (AHP). Dengan menggunakan AHP, suatu persoalan yang kompleks yang tidak terstruktur, stratejik dan dinamik dapat dibuat menjadi bagian-bagian yang lebih sederhana dalam bentuk suatu hirarki. Adapun struktur hirarki AHP ditampilkan pada Gambar 1

Metode AHP dikembangkan oleh Thomas L. Saaty, seorang ahli matematika. Metode ini adalah sebuah kerangka untuk mengambil keputusan dengan efektif atas persoalan yang kompleks dengan menyederhanakan dan mempercepat proses pengambilan keputusan dengan memecahkan persoalan tersebut kedalam bagian-bagiannya, menata bagian atau variabel ini dalam suatu susunan hirarki, member nilai numerik pada pertimbangan subjektif tentang pentingnya tiap variabel dan mensintesis berbagai pertimbangan ini untuk menetapkan variabel yang mana yang memiliki prioritas paling tinggi dan bertindak untuk mempengaruhi hasil pada situasi tersebut.

. Gambar 1. Struktur hierarki AHP dan alternatif

pada AHP (Saaty, 2008) Langkah-langkah AHP sebagai berikut: 1. Mendefinisikan masalah dan menentukan

solusi yang diinginkan, selanjutnya menyususn hirarki dari permasalahan yang dihadapai.

2. Membuat struktur hirarki, dengan menetapkan tujuan umum yang merupakan sasaran sistem secara keseluruhan.

3. Menentukan prioritas elemen Pada langkah ini dilakukan perbandingan elemen sesuai kriteria yang ada. Perbandingan ini merepresentasikan kepentingan relatif dari satu elemen terhadap elemen lainnya.

4. Sintesis Pertimbangan-pertimbangan terhadap perbandingan berpasangan disintesis untuk memperoleh keseluruhan prioritas. Dalam


122

langkah ini yang dilakukan adalah: a. Menjulahkan nilai-nilai dari setiap kolom

pada matriks b. Membagi setiap nilai elemen dari kolom

dengan jumlah total kolom yang bersangkuta untuk memperoleh matriks normalisasi

c. Menjulahkan nilai-nilai setiap baris dan membaginya dengan jumlah elemen untuk mendapatkan nilai rat-rata

5. Mengukur konsistensi, langkah-langkahnya a. Kalikan setiap nilai pada kolom pertama

dengan prioritas relatif elemen pertama, nilai pada kolom kedua dengan prioritas relatif elemen kedua dan seterusnya

b. Jumlahkan setiap baris c. Hasil dari penjumlahan setiap baris dibagi

dengan elemen prioritas relatif bersangkutan dan hasilnya dijumlahkan

d. Hasil penjumlahan dibagi dengan jumlah elemen yang ada sehingga di dapat nilai lambda max (λ ).

6. Mencari nilai Consistensy Index (CI) λ / 1 ………………………(2.1)

Dimana: CI = Consistency Index N = banyakanya elemen

7. Menghitung Consistency Ratio (CR) dengan rumus

⁄ …………………..(2.2) Dimana: CR : Consistensy Ratio CI : Consistensy Index RI : Random Index

8. Memeriksa konsistensi hirarki Data dikatakan konsiten apabila nilai CR < 0,1. Proses pengujian konsisten data ini dilakukan pada semua tingkat hirarki. Berdasarkan perhitungan Saaty dengan menggunakan 500 sampel, jika pertimbangan memilih secara acak dari skala 1/9, 1/8, … , 1, 2, … , 9 akan diperoleh rata-rata konsistensi untuk matriks yang berbeda seperti pada tabel 2.3 (Tu, et.al, 2010).

Tabel 1. Daftar Random Index (RI)

N 3 4 5 6 7 8 9 10

RI 0,58 0,90 1,12 1,24 1,32 1,41 1,45 1,49 3. METODE PENELITIAN

Skema sistem yang akan digunakan terdiri dari dua bagain utama yaitu: 1. Proses pada metode AHP

a. Penentuan bobot penilaian setiap kriteria penilaian Lampiran Peraturan Menteri Pertanian Nomor : 29/ Permentan/ OT.140/ 5/2011 Tanggal : 30 Mei 2011.

b. Pembentukan matriks berpasangan pada masing-masing level penilaian

c. Penentuan matriks prioritas pada masing-masing kriteria penilaian.

2. Proses penentuan prestasi Gapoktan a. Setiap nilai bobot sub indikator dibagi

dengan nilai tertinggi. Nilai sub indikator ini sebagai input untuk proses penilaian.

b. Pilih salah satu sub indikator pada masing-masing sub indikator penilaian

c. Setiap sub indikator di kali dengan matriks prioritas (eigenvector) indikator. Menghasilkan matriks indikator

Keterangan: I : Matriks indikator sI : Matriks sub indikator eI : matriks eigenvector indikator

d. Matriks indikator pada langkah c dikali dengan matriks prioritas pada sub aspek penilalan. Menghasilkan matriks sub aspek penilain

Keterangan: sA : Matriks sub Aspek I : Matriks indikator eSA : matriks eigenvector indikator

e. Matriks sub aspek penilaian pada langkah d dikali dengan matriks prioritas aspek penilaian. Hasilnya sebagai nilai prestasi Gapoktan.

Keterangan: A : Matriks aspek sebagai hasil akhir nilai prestasi Gapoktan sA : Matriks sub ASPEK eA : Matriks eigenvector aspek

4. PERANCANGAN SISTEM 4.1 Entity Relationship Diagram

Gambar 2. Erd


123

4.2 Kriteria Penilaian Prestasi Gapoktan Kriteria penilaian prestasi Gapoktan ditunjukan

pada tabel 1.

Tabel 2. Kriteria penilaian

KP As SAs SI I T S R

AB 250 A 50 A1 8 8 4 2 A2 8 8 4 2 A3 8 8 4 2 A4 8 8 4 2 A5 10 10 5 3 A6 8 8 4 2 B 200 B1 40 40 20 13 B2 40 40 20 B3 40 40 20 B4 40 40 20 B5 40 40 20 13 CD 750 C 300 C1 70 70 35 23 C2 70 70 35 23 C3 50 50 25 17 C4 50 50 25 17 C5 60 60 30 20 D 450 D1 50 50 25 17 D2 50 50 25 17 D3 50 50 25 17 D4 50 50 25 17 D5 40 40 20 13 D6 50 50 25 17 D7 30 30 15 10 D8 40 40 20 13 D9 40 40 20 D10 50 50 25 17

Keterangan: KP : Kriteria penilaian A : Aspek Penilaian SA : Sub Aspek Penilaian I : Indikator Penilaian SI : Sub Indikator Penilaian T : Tinggi S : Sedang R : Rendah AB : Aspek administrasi dan pengelolaan Gapoktan A : Identitas Gapoktan A1: Identitas calon Gapoktan A2 :Identitas pengurus A3 : KK dan KTP A4 : Foto copi KK dan KTP A5 : Foto copy buku tabungan Gapoktan A6 : Foto Kantor sekretariat Gapoktan B : Pengelolaan Gapoktan B1: Pertemuan/rapat anggota/rapat pengurus B2 : Rencana kerja Gapoktan B3: Pencatatan setiap anggota organisasi B4 : Foto copy struktur organisasi B5: AD/ART

CD : Aspek Usaha Gapoktan C : Kegiatan Pelayanan Permodalan Gapoktan C1: Program kerja unit usaha otonom C2:Pemupukan Modal C3: Tabungan/ Simpanan anggota C4: Pola penyaluran pinjaman/ pembiayaan usaha C5:Pelaporan (buku besar, neraca, neraca harian, dll) D: Pengembangan Usaha Agribisnis D1 : Sebagai satau kesatuan unit usaha dan produksi D2 : Sebagai penyedia sarana produksi D3 : Sebagai modal usaha D4 : Fasilitasi kegiatan-kegiatan usaha bersama D5 : Fasilitasi usaha tani secara D6 : Proses pengolahan produk pertanian D7 : Fasilitasi penyelenggaraan perdagangan D8 : Sebagai sumber dan pelayanTI pertanian D9 : Membangun kerjasama dengan pihak lain D10 : Melakukan pembinaan usaha anggota 4.3 Hirarki Penilaian Prestasi Gapoktan

Bentuk hirarki prestasi Gapoktan seperti ditunjukan pada gambar 1.

Gambar 3. Hirarki Penilaian Prestasi Gapoktan

4.4 Prosesdur Penentuan Matriks

Berpasangan Variabel penting yang digunakan dalam

perhitungan prestasi Gapoktan menggunakan metode AHP adalah bobot dari matriks prioritas atau eigenvector. Penentuan besarnya bobot prioritas dimulai dengan proses penentuan matriks berpasangan. Kepentingan relatif antar elemen ditentukan berdasarkan tabel penentuan penilaian prestasi Gapoktan seperti yang ditampilkan pada table 1, untuk dijadikan matriks berpasangan. Proses selanjutnya menentukan bobot nilai matriks prioritas indikator penilaian, sub aspek penilaian dan


124

bobot nilai matriks prioritas aspek penilaian. Sebagai contoh, diketahui bobot penilaian sebagai berikut: Tabel 3. pembentukan matriks berpasangan

Kriteria C1 C2 C3 C4 C5 Cn Nilai N1 N2 N3 N4 N5 Nn

Proses penentuan matriks berpasangannya sebagai berikut:

1 2 3 4 512345

12

34

5

Selanjutnya untuk menghasilkan matriks berpasangan secara keseluruhan, prosesnya sebagai berikut:

⁄ ⁄ … ⁄⁄

⁄

⁄

⁄

⁄

⁄

4.5 Penentuan Matriks Berpasangan Dan

Matriks Prioritas (eigenvector) 4.5.1 Penentuan Matriks berpasangan

Dari data pada tabel 1, matriks berpasangan untuk setiap level sebagai berikut: A. Aspek Penilaian

Matriks perbandingan sebagai berikut:

250/250 250/750750/250 750/750

Sehingga bentuk matriks perbandingannya

1,00 0,333,00 1,00

B. Sub aspek penilaian Ada dua sub aspek yaitu suba aspek A dan B sebagai pecahan dari aspek AB dan sub aspek C dan D sebagai pecahan dari aspek CD. Matriks perbandingan ke dua sub aspek tersebut adalah: 1. Untuk sub aspek A dan B

50/50 50/200200/50 200/200


1,00 0,254,00 1,00

2. Untuk sub aspek C dan D

300/300 300/450450/300 450/450


1,00 0,671,50 1,00

C. Indikator Penilaian Ada empat indikator yaitu indikator A,B,C,D

sebagai pecahan dari masing-masing sub aspek A,B,C,D. Matriks perbandingan ke empat indikator tersebut adalah:

1. Indikator A 1 2 3 4 5 6

123456

8/8 8/8 8/8 8/8 8/10 8/88/88/88/810/88/8

8/8 8/8 8/8 8/10 8/88/8 8/8 8/8 8/10 8/88/810/88/8

8/810/88/8

8/8 8/10 8/810/8 10/10 10/8 8/8 8/10 8/8

Sehingga bentuk matriks perbandingannya 1 2 3 4 5 6

123456

1,00 1,00 1,00 1,00 0,80 1,001,001,001,001,251,00

1,00 1,00 1,00 0,80 1,001,00 1,00 1,00 0,80 1,001,001,251,00

1,001,251,00

1,00 0,80 1,001,25 1,25 1,25 1,00 0,80 1,00

2. Indikator B 1 2 3 4 5

12345

40/40 40/40 40/40 40/40 40/4040/4040/4040/4040/40

40/4040/4040/4040/40

40/4040/4040/4040/40

40/4040/4040/4040/40

40/4040/4040/4040/40

Sehingga bentuk matriks perbandingannya 1 2 3 4 5

12346

1,00 1,00 1,00 1,00 1,001,001,001,001,00

1,00 1,00 1,00 1,001,00 1,00 1,00 1,001,001,00

1,001,00

1,00 1,001,00 1,00

3. Indikator C 1 2 3 4 5

12345

70/70 70/70 70/50 70/5 70/6070/7050/7050/7060/70

70/7050/7050/7060/70

70/5050/5050/5060/50

70/5050/5050/5060/50

70/6050/6050/6060/60

Sehingga bentuk matriks perbandingannya 1 2 3 4 5

12345

1,00 1,00 1,40 1,40 1,171,000,710,710,86

1,000,710,710,86

1,401,001,201,20

1,401,001,001,20

1,170,830,831,00

4. Indikator D 1 2 3 4 5 6 7 8 9 10

12345678910

1,0 1,0 1,01,0 1,0 1,01,0 1,0 1,0

1,0 1,25 1,0 1,67 1,25 1,25 1,01,0 1,25 1,0 1,67 1,25 1,25 1,01,0 1,25 1,0 1,67 1,25 1,25 1,0

1,0 1,0 1,00,8 0,8 0,81,00,60,80,81,0

1,00,60,80,81,0

1,00,60,80,81,0

1,0 1,25 1,0 1,67 1,25 1,25 1,00,8 1,00 0,8 1,33 1,00 1,00 0,81,00,60,80,81,0

1,250,751,001,001,25

1,00,60,80,81,0

1,671,001,331,331,67

1,250,751,001,001,25

1,250,751,001,001,25

1,00,60,80,81,0

5. HASIL DAN PEMBAHASAN 5.1 Penentuan Matriks Prioritas (eigenvector) Setelah dilakukan penentuan matriks berpasangan langkah selanjutnya yaitu penentuan matriks prioritas (eigenvector) Langkah-langkah penentuan matriks prioritas sebagai berikut:

1. Menjumlahkan setiap elemen per kolom. 2. Tiap elemen sel dari kolom dibagi dengan


125

jumlah per kolom (berdasarkan hasil nomor 1) 3. Menghitung matriks prioritas

a. Menghitung jumlah eigenvalue b. Menghitung bobot prioritas c. Menghitung bobot sintesa

4. Menghitung nilai lambda maksimum (maks) a. Bobot sintesa dibagi bobot prioritas b. Hasil dari 5a dijumlahkan c. Hasil penjumlahan ini dibagi dengan

jumlah kriteria. 5. Menguji konsistensi, dengan rumus

CR = CI / IR Dengan nilai CI=(maks–n)/(n–1) n = jumlah kriteria

Dari hasil perhitungan, nilai masing-masing matriks prioritas (eigenvector) dapat dilihat pada tabel 4. Tabel 4. Nilai eigenvector setiap kriteria

Kriteria Penilaian

Nilai eigenvector dan Consistency Ratio (CR)

As [AB CD] = [0,25 0,75]

SAs [A B] = [ 0,2 0,8] [C D] = [0,4 0,6]

I

[A1 A2 A3 A4 A5 A6] = [0,16 0,16 0,16 0,16 0,20 0,16] CR = 0,00 [B1 B2 B3 B4 B5] = [0,2 0,2 0,2 0,2 0,2] CR = 0,0 [C1 C2 C3 C4 C5 C6] = [0,23 0,23 0,17 0,17 0,20] CR = 0,0 [D1 D2 D3 D4 D5 D6 D7 D8 D9 D10] = [0,11 0,11 0,11 0,11 0,09 0,11 0,07 0,09 0,09 0,11] CR = 0,0

Berikut contoh perhitunga penentuan eigenvector. Pada contoh ini diambil matriks indicator C. 1. Membuat matriks perbandingan berpasangan

Besarnya bobot indikator pada sub aspek C seperti yang terdapat pada tabel 5. Data dari tabel 4 diperoleh dari pengembangan dari tabel 2. Tabel 5 Nilai bobot indikator pada sub aspek C

Kriteria C1 C2 C3 C4 C5

Nilai 70 70 50 50 60

Data pada tabel 4 dibuat matriks perbandingan sebagai berikut:

1 2 3 4 512345

7070

5050

60

Penentuan elemen matriks secara keseluruhan sebagai berikut:

1 2 3 4 512345

70/70 70/70 70/50 70/5 70/6070/7050/7050/7060/70

70/7050/7050/7060/70

70/5050/5050/5060/50

70/5050/5050/5060/50

70/6050/6050/6060/60

Sehingga dalam bentuk matriks secara keseluruhan diperoleh sebagai beriku:

1 2 3 4 512345

1,00 1,00 1,40 1,40 1,171,000,710,710,86

1,000,710,710,86

1,401,001,201,20

1,401,001,001,20

1,170,830,831,00

2. Memberikan penilaian terhadap elemen yang dibandingkan. Dari langkah 1 diatas diperoleh matriks perbandingannya adalah:

1 2 3 4 512345

1,00 1,00 1,40 1,40 1,171,000,710,710,86

1,000,710,710,86

1,401,001,201,20

1,401,001,001,20

1,170,830,831,00

3. Menghitung matriks normalisasi. a. Menjumlahkan setiap elemen per kolom.

Hasilnya sebagai berikut: 1 2 3 4 5

12345

1,00 1,00 1,401,00 1,00 1,40

1,40 1,171,40 1,17

0,71 0,71 1,000,710,86

0,710,86

1,201,20

1,00 0,831,001,20

0,831,00

4,29 4,29 6,00 6,00 5,00

b. Tiap elemen sel dari kolom dibagi berdasarkan hasil 3a diatas. Diperoleh matriks sebgai berikut:

1 2 3 4 512345

0,23 0,23 0,23 0,23 0,230,230,170,170,20

1,230,170,170,20

0,230,170,170,20

0,230,170,170,20

0,230,170,170,20

4. Menghitung matriks prioritas (eigenvector). Penentuan eigenvector, langkah-langkahnya sebagai berikut:

a. Menghitung eigenvalue. Prosesnya yaitu, kalikan setiap elemen untuk setiap baris dari matriks pada langkah 3b diatas. Hasilnya dikalikan dengan (1/n) dengan n adalah jumlah elemen. Dari matriks 3b diatas jumlah elemennya adalah 5. Hasilnya diperoleh data sebagai berikut: C1 = (0,23*0,23*0,23*0,23*0,23)^(1/5) =0,23 C2 = (0,23*0,23*0,23*0,23*0,23)^(1/5) =0,23 C3 = (0,17*0,17*0,17*0,17*0,17)^(1/5) =0,17 C4 = (0,17*0,17*0,17*0,17*0,17)^(1/5) =0,17 C5 = (0,20*0,20*0,20*0,20*0,20)^(1/5) =0,20 Selanjutnya hasil perhitungan diatas dijumlahkan untuk memperoleh total jumlah eigenvaluenya. Jumlah eigenvalue = C1+ C2+C3+C4+C5

= 0,23+0,23+0,17+0,17+0,20 = 1,00


126

b. Menghitung bobot prioritas Pada langkah ini dihitung dengan cara nilai eigenvalue setiap elemen pada langkah 4a dibagi dengan jumlah eigenvalue pada langkah 4a. Hasilnya diperoleh:

C1 = 0,23 / 1 = 0,23 C2 = 0,23 / 1 = 0,23 C3 = 0,17 / 1 = 0,17 C4 = 0,17 / 1 = 0,17 C5 = 0,20 / 1 = 0,20

Diperoleh nilai matriks prioritas (eigenvector) adalah = [C1 C2 C3 C4 C5] = [0,23 0,23 0,17 0,17 0,20]

c. Menghitung bobot sintesa Dengan cara menjumlahkan elemen per baris dari data 3b diatas, sehingga diperoleh:

C1 = 0,23+0,23+0,23+0,23+0,23=1,15 C2 = 0,23+0,23+0,23+0,23+0,23=1,15 C3 = 0,17+0,17+0,17+0,17+0,17=0,85 C4 = 0,17+0,17+0,17+0,17+0,17=0,85 C5 = 0,20+0,20+0,20+0,02+0,20=1,00

5. Menghitung nilai lambda maksimum (maks) Langkah ini bertujuan untuk mengecek apakah matriks pasangan yang dibuat konsisten atau tidak. a. Bobot sintesa dibagi bobot prioritas

C1 = 1,15 / 0,23 = 5 C2 = 1,15 / 0,23 = 5 C3 = 0,85 / 0,17 = 5 C4 = 0,85 / 0,17 = 5 C5 = 1,00 / 0,20 = 5

b. Hasil dari 5a dijumlahkan x = C1 + C2 + C3 + C4 + C5

= 5 + 5 + 5 + 5 + 5 = 25 c. Hasil penjumlahan ini dibagi dengan jumlah

kriteria. Sehingga maks= (x) / jumlah kriteria = 25 / 5

= 5

6. Menguji konsistensi CI =(maks–jumlah kriteria)/(jumlah kriteria–1)

= (5– 5) / (5-1) = 0,00 CR = CI / IR = 0,0 / 1,12 = 0.00

Karena Nilai Ratio Konsistensi < 0,1 maka matrik diatas konsisten. Dengan demikian matriks prioritas (eigenvector) bisa digunakan untuk proses perhitungan. Nilai matriks prioritas (eigenvector) adalah = [C1 C2 C3 C4 C5] = [0,23 0,23 0,17 0,17 0,20] 5.2 Penentuan Prestasi Gapoktan

Data masukan dalam perhitungan ini yaitu sub indikator. Sebagai contoh input diberikan data sebagai berikut:

Tabel 6. Data masukan penilaian prestasi KP A SA I sI

AB 250 A 50 A1 8 8 A2 8 4 A3 8 8 A4 8 8 A5 10 5 A6 8 4 B 200 B1 40 13 B2 40 20 B3 40 40 B4 40 40 B5 40 20 CD 750 C 300 C1 70 70 C2 70 35 C3 50 50 C4 50 50 C5 60 30 D 450 D1 50 17 D2 50 25 D3 50 50 D4 50 25 D5 40 40 D6 50 50 D7 30 10 D8 40 20 D9 40 20 D10 50 17

Langkah selanjutnya yaitu 1. Membagi masing-masing data input dari tabel 5

dengan nilai indikator. Nilai indikator sama dengan nilai tertinggi pada sub indikator. Dengan demikian data masukan dari tabel 5 diubah menjadi data masukan seperti pada tabel 6. Tabel 7. Data masukan setelah dibagi

KP A SA sI AB 250 A 50 A1 8 1 A2 8 0,5 A3 8 1 A4 8 1 A5 10 0,5 A6 8 0,5 B 200 B1 40 0,325 B2 40 1 B3 40 1 B4 40 0,5 B5 40 0,5 CD 750 C 300 C1 70 1 C2 70 0,5 C3 50 1 C4 50 1 C5 60 0,5 D 450 D1 50 0,34 D2 50 0,5 D3 50 1 D4 50 0,5


127

D5 40 1 D6 50 1 D7 30 0,33 D8 40 0,5 D9 40 0,5 D10 50 0,34

2. Kalikan setiap input sub indicator pada tabel 6

dengan eigenvector pada indicator Untuk indiKator A

1 0,5 1 1 0,5 0,5

0,160,160,160,160,200,16

0,7400

Untuk indikator B

0,325 0,5 1 1 0,5

0,20,20,20,20,2

0,6650

Untuk indikator C

1 0,5 1 1 0,5

0,230,230,170,170,20

0,7850

Untuk indikator D

0,34 0,5 1 0,5 1 1 0,33 0,5 0,5 0,34 *

0,110,110,110,110,090,110,070,090,090,11

0,6079 3. Hasil pada nomor 2 digunakan sebagai input

untut level berikutnya, yaitu pada level sub aspek. Prosesnya yaitu dikalikan dengan eigenvector sub aspek. Untuk sub aspek A dan B

0,7400 0,66500,20,8 0,6800

Untuk sub aspek C dan D

0,7850 0,60790,20,8 0,6787

4. Hasil pada nomor 3 digunakan sebagai input untuk level berikutnya, yaitu pada level tertinggi, aspek. Kalikan hasil pada nomor 3 dengan eigenvector aspek.

0,6800 0,6787 0,250,75 0,6785

Hasil akhir pada langkah 4 sebagai nilai prestasi Gapoktan.

6. PERBANDINGAN HASIL AHP DENGAN

PERHITUNGAN MANUAL Untuk mengetahui keakurantan metode AHP

dAlam menentukan pretasi Gapoktan, dilakukan

perbandingan perhitungan perhitungan manual dengan perhitungan AHP. Dengan perhitungan manual, yaitu dilakukan penjumlahan secara langsung masukan yang ada pada tabel 5 pada kolom sub indikator. Hasil perhitungan menunjukan bahwa jumlah total adalah 679.

Perhitungan dengan menggunakan metode AHP, nilainya sebesar 0,6785. Range penilaian prestasi Gapoktan anatara 0 sampai 1000. Dengan demikian perhitungan AHP dikali dengan 1000 menjadi 67,85. Keakuratan metode AHP dalam menentukan penilaian prestasi Gapoktan sebesar 99,85%.

Gambar contoh hasil implementasi program menggunakan metode AHP ditampilkan pada gambar 4 dan 5.

Gambar 4. Contoh hasil implementasi

Gambar 5. Contoh hasil implementasi

7. KESIMPULAN

Bobot penilaian prestasi Gapoktan sesuai dengan Lampiran Peraturan Menteri Pertanian Nomor : 29/Permentan/OT.140/5/2011 Tanggal : 30 Mei 2011, dengan metode AHP, bobot-bobot tersebut memiliki konsistensi yang sempurna dengan nilai konsistensi adalah 0. Sehingga dalam proses perhitungan penentuan prestasi Gapoktan memiliki error sebesar 0,15%. Dalam hal ini metode AHP memiliki keakuratan sebesar 99,85% dalam menentukan nilai prestasi Gapoktan berdasarkan lampiran Kementan sebagai basis pengetahuannya.

8. PUSTAKA Margono, T., Sugimoto, S., 2011, The Barriers of

the Indonesian Extension Workers in Disseminate Agricultural Information to Farmers, International Journal of Basic & Applied Sciences IJBAS-IJENS Vol: 11 No: 02


128

, pp.98-105. Suryahadi, A., Hadiwidjaja, G., 2011, The Role of

Agriculture in Poverty Reduction in Indonesia, SMERU Research Institute Jakarta – Indonesia, pp.1-25.

Warr, P., 2011, The effect of research on agricultural productivity in Indonesia, Australian Centre for International Agricultural Research (ACIAR) 2011,

Anthony, E., 2010, Agricultural Credit and Economic Growth in Nigeria: An Empirical Analysis, Business and Economics Journal, Volume 2010: BEJ-14, pp.1-7.

Teweldemedhin, M. Y., Schalkwyk, H. D. V, 2010, Regional trade agreements and its impact on trade flows for South African agricultural products, Journal of Development and Agricultural Economics Vol. 2(5), pp. 157-165

Xu, Pei, 2011, How do managers improve farm performance during the economic slowdown: Survey results from New York agribusinesses, Journal of Development and Agricultural Economics Vol. 3(13), pp. 610-620

Anim, F.D.K., Mandleni B.,2011, Factors and risks associated with integrated, conventional and sustainable agribusiness farming, African Journal of Business Management Vol. 5(4), pp. 1124-1128, 18 February, 2011

Flores, C. I., Holzapfel, E.A., and Lagos, O., 2010, A Dynamic Decision Support System For Farm Water Management In Surface Irrigation: Model Development And Application, Chilean Journal Of Agricultural Research 70(2):278-286

Singh, M., Singh, P., Singh, S. B., 2008, Decision Support System for Farm Management, World Academy of Science, Engineering and Technology 39. pp.446-349

Singh, R,. Sharma, S.K., “Title-Supplier Selection: Fuzzy-AHP Approach”, International Journal of Engineering Science and Technology (IJEST), Vol. 3 No.10 pp.7426-7231.

Turban, E., Aronson, J. E., & Liang, T. (2005) Decision Support Systems and Intelligent Systems (7th edition), Prentice Hall Publication, pp. 223 and pp. 109, 707.

Volk, M., Lautenbach, S., Delden, H., van., N,L.T. H., 2010, Ralf SeppeltHow Can We Make Progress with Decision Support Systems in Landscape and River Basin Management? Lessons Learned from a Comparative Analysis of Four Different Decision Support Systems, Environmental Management 46, pp.834–849.

Saaty, T., L., 1990, How to make a decision: The Analytic Hierarchy Process, European Journal of Operational Research 48 (1990) 9-26, North-Holland

Tu, C. S., Chang, C. T., Chen, K.,K, Lu, H.A.,2010, Applying an AHP - QFD Conceptual Model and Zero-One Goal Programming to

Requirement-Based Site Selection for an Airport Cargo Logistics Center, International Journal of Information and Management Sciences 21, pp. 407-430

MAKALAH SENTIKA 2013 17 ANALISIS METODE AHP · PDF filepertanian dan sistem agribisnis yang...

Documents

Transcript of MAKALAH SENTIKA 2013 17 ANALISIS METODE AHP · PDF filepertanian dan sistem agribisnis yang...