Implementasi Metode Analytic Hierarchy Process (AHP) Dan Simple Additive Weighting (SAW) Dalam Pemilihan Operator Seluler Terbaik

IMPLEMENTASI METODE ANALYTIC HIERARCHY PROCESS

(AHP) DAN SIMPLE ADDITIVE WEIGHTING (SAW) DALAM

PEMILIHAN OPERATOR SELULER TERBAIK

SKRIPSI

DESIMAWATI CHRISTINA NAINGGOLAN

121421036

PROGRAM STUDI EKSTENSI S1 ILMU KOMPUTER

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS SUMATERA UTARA

MEDAN

2014

IMPLEMENTASI METODE ANALYTIC HIERARCHY PROCESS

(AHP) DAN SIMPLE ADDITIVE WEIGHTING (SAW) DALAM

PEMILIHAN OPERATOR SELULER TERBAIK

SKRIPSI

Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Sarjana Ilmu Komputer

DESIMAWATI CHRISTINA NAINGGOLAN 121421036

PROGRAM STUDI EKSTENSI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS SUMATERA UTARA MEDAN

PERSETUJUAN

Judul : IMPLEMENTASI METODE ANALYTIC

HIERARCHY PROCESS (AHP) DAN SIMPLE ADDITIVE WEIGHTING (SAW) DALAM PEMILIHAN OPERATOR SELULER TERBAIK.

Kategori : SKRIPSI

Nama : DESIMAWATI CHRISTINA NAINGGOLAN

Nomor Induk Mahasiswa : 121421036

Program Studi : EKSTENSI S1 ILMU KOMPUTER

Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA

Diluluskan di

Medan, 2014

Komisi Pembimbing :

Pembimbing 2 Pembimbing 1

Amer Sharif, S.Si, M.Kom Maya Silvi Lydia, BSc, MSc. NIP. 19740127 200212 2 001

Diketahui/Disetujui oleh

Program Studi S1 Ilmu Komputer Ketua,

Dr. Poltak Sihombing, M.Kom. NIP. 196203171991031001

PERNYATAAN

IMPLEMENTASI METODE ANALYTIC HIERARCHY PROCESS (AHP) DAN SIMPLE ADDITIVE WEIGHTING (SAW) DALAM PEMILIHAN OPERATOR

SELULER TERBAIK

SKRIPSI

Saya mengakui bahwa skripsi ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.

Medan, 2014

Desimawati Christina Nainggolan NIM. 121421036

PENGHARGAAN

Segala puji dan syukur Penulis ucapkan kepada Tuhan Yang Maha Esa yang senantiasa melimpahkan rahmat dan karunia-Nya sehingga skripsi ini dapat diselesaikan.

Ucapan terima kasih Penulis sampaikan kepada semua pihak yang telah membantu Penulis dalam menyelesaikan skripsi ini baik secara langsung maupun tidak langsung, teristimewa untuk orangtua yang paling penulis kasihi dan sayangi yaitu Wilmar Nainggolan dan Tiorida br.Sitohang. Pada kesempatan ini penulis ingin mengucapkan terima kasih yang sebesar-besarnya kepada :

1. Bapak Prof. Dr. dr. Syahril Pasaribu, DTM&H, M.Sc.(CTM), Sp.A.(K) selaku Rektor Universitas Sumatera Utara.

2. Bapak Prof. Dr. Muhammad Zarlis selaku Dekan Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.

3. Bapak Dr. Poltak Sihombing, M.Kom. selaku Ketua Program Studi S1 Ilmu Komputer Universitas Sumatera Utara.

4. Ibu Maya Silvi Lydia B.Sc., M.Sc. selaku Sekretaris Program Studi S1 Ilmu Komputer Universitas Sumatera Utara dan selaku Dosen Pembimbing I yang telahbanyak memberikan ilmu, bimbingan, saran, dan masukan kepada penulis dalam pengerjaan skripsi ini.

5. BapakAmer Sharif, Ssi, M.Kom. selaku Dosen Pembimbing II yang telah memberikan bimbingan, saran, dan masukan kepada penulis dalam pengerjaan skripsi ini.

6. Bapak Drs. Agus Salim Harahap, M.Si. selaku Dosen Pembanding I yang telah memberikan kritik dan saran dalam penyempurnaan skripsi ini.

7. BapakDrs. Marihat Situmorang, M.Kom. selaku Dosen Pembanding II yang telah memberikan kritik dan saran dalam penyempurnaan skripsi ini.

8. Semua dosen dan semua pegawai di Program Studi S1 Ilmu Komputer Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara. 9. Roy Nando Napitupulu yang telah banyak mendukung dan memberi motivasi

kepada penulis

10. Abang penulis Yosua Nainggolan dan Kedua adik Penulis yang tersayangArif Immanuel Nainggolan dan Okta Sudirman Nainggolan

11. Teman-teman seperjuangan mahasiswa Ekstensi S1-Ilmu Komputer stambuk 2012, Reza Mahardi, Novri Sultanti, Rino Tanjung, Edison Marcopolo, Claudia, Puspita, dan teman-teman yang lain yang telah memberikan semangat dan menjadi teman diskusi penulis dalam menyelesaikan skripsi ini.

12. Semua pihak yang terlibat langsung ataupun tidak langsung yang tidak dapat penulis ucapkan satu per satu.

Penulis menyadari bahwa skripsi ini masih terdapat kekurangan. Oleh karena itu, kepada pembaca agar kiranya memberikan kritik dan saran yang bersifat membangun demi kesempurnaan skripsi ini.

Medan, 2014

Penulis,

ABSTRAK

Sistem pendukung keputusan adalah salah satu solusi bagi pembuat kebijakan dalam mengambil sebuah keputusan. Banyaknya Operator Seluler yang menawarkan fitur-fitur yang membuat calon pembeli bingung sehingga sering berganti operator dan membuat permasalahan baru dalam menentukan tingkat layanan operator seluler.. Tujuan dari penelitian ini adalah untuk membangun sebuah sistem aplikasi yang mempunyai kemampuan untuk menentukan Operator Seluler Terbaik berdasarkan nilai dari kriteria pemilihan dan dengan memperhatikan jenis keputusan dari setiap kriteria. Sistem Pendukung Keputusan yang digunakan dalam penelitian ini menggunakan Metode Analytic Hierarchy Process (AHP) dan Metode Simple

Additive Weighting (SAW). Data yang digunakan dalam penelitian ini adalah data

yang diperoleh dari hasil kuisioner yang dilakukan terhadap kalangan mahasiswa Fasilkom-TI USU. Dalam mengambil keputusan digunakan 5 kriteria pembanding untuk menentukan Operator Seluler Terbaik, yaitu Tarif Telepon, SMS, Internet, Layanan, Bonus. Aplikasi pada penelitian ini dibangun dengan menggunakan bahasa pemrograman Java.Dari hasil pengujian, dengan menggunakan Metode Analytic

Hierarchy Process (AHP), sistem ini dapat menentukan Operator Seluler Terbaik

yaitu alternatif Simpati dengan ranking pertama diperoleh nilai 0.221 dan Metode

Simple Additive Weighting (SAW) yaitu alternatif Simpati dengan bobot nilai 0.595.

Dari penelitian ini dihasilkan aplikasi yang dapat membantu calon konsumen dalam menentukan keputusan untuk memilih operator seluler terbaik.

.

Kata Kunci : Sistem Pendukung Keputusan (SPK), Analytic Hierarchy Process (AHP) dan Simple Additive Weighting (SAW), Kriteria, Bobot Kriteria

IMPLEMENTATION OF ANALYTIC HIERARCHY PROCESS(AHP) AND SIMPLE ADDITIVE WEIGHTHING (SAW) IN ELECTION THE BEST OF

CELLULER OPERATOR

ABSTRACT

Decision support systems are one solution for policy-makers in making a decision. Number of Mobile Operator offers features that make potential buyers confused so that prospective buyers often replace operator and create new problems in determining thr level of service from mobile operators. The purpose of this research is to build an application system that has the ability to determine the best carrier based on the value of the selection criteria and with regard to the type of decision for each criterion. Decision Support Systems used in this study implemented the Analytical Hierarchy Process (AHP) and Simple Additive Weighting Method (SAW). Data used in this research was obtained from questionnaires distributed among the students of USU Fasilkom-TI. In making the decision, five criteria were used to determine the Best Cellular Operator, i.e. Call Rates SMS, Internet, Services, Bonus. Application in this study was built using the Java programming language 8.0. From the test results, the system was able to determine the Best Mobile Operator Method with Analytical Hierarchy Process (AHP) and Simple Additive Weighting Method (SAW) and the weights assigned to the criteria and alternative criteria had a large impact on the result. From th result by using Analytic Hierarchy Process Method, The system can determine the best of mobile operator that it is an alternative Simpati with the first rank values obtained 0.221 and Simple Additive Weighting Methods is an alternative Simpati with weights 0.595. From the result of this application that can help potential customers in determining of the Best Mobile Operator.

Keywords : Decision Support System (DSS), Analytical Hierarchy Process (AHP), Simple Additive Weighting (SAW), Criteria, Criteria Weights

DAFTAR ISI

Halaman

Persetujuan ii

Pernyataan iii

Penghargaan iv

Abstrak vi

Abstract viii

Daftar Isi ix

Daftar Tabel xi

Daftar Gambar xii

BAB 1 PENDAHULUAN

1.1. Latar Belakang 1

1.2. Rumusan Masalah 3

1.3. Batasan Masalah 3

1.4. Tujuan Penelitian 3

1.5. Manfaat Penelitian 4

1.6. Metodologi Penelitian 4

1.7. Sistematika Penulisan 5

BAB 2 LANDASAN TEORI

2.1. Sistem Pendukung Keputusan 7

2.1.1. Konsep Dasar Sistem Pendukung Keputusan 7 2.1.2. Definisi Sistem Pendukung Keputusan 7

2.1.3. Komputer dan Keputusan 8

2.1.4. Proses Pengambilan Keputusan 8 2.1.5 Karakter dan Kapabilitas dari SPK 10 2.2. Fuzzy Multiple Attribute Decision Making Methods (FMADMM) 11

2.3 Metode AHP 12

2.3.1. Prinsip-Prinsip Dasar AHP 12

2.3.2. Langkah-Langkah dalam Metode AHP 13

2.3.3 Kelebihan Metode AHP 15

2.4. Metode SAW 17

2.4.1. Langkah-Langkah dalam Metode SAW 18 2.4.2 Kelebihan Metode SAW

BAB 3 ANALISIS DAN PERANCANGAN SISTEM

3.1. Analisis Masalah 22

3.2. Analisis Kebutuhan Sistem 23

3.2.1. Kebutuhan fungsional 23

3.2.2. Kebutuhan non fungsional 23

3.3. Analisis Proses 23

3.3.1. Analisis proses Metode AHP 24

3.3.2. Analisis proses Metode SAW 50

3.4. Pemodelan Sistem 59

3.4.1. Use Case Diagram 59

3.4.2 Spesifikasi Use Case Metode AHP 60 3.4.3 Spesifikasi Use Case Metode SAW 61

3.4.4. Activity Diagram AHP 61

3.4.5. Sequence Diagram 63

3.5. Perancangan Sistem 65

3.5.1. Perancangan Alur Proses 65

3.5.2. Alur proses sistem secara umum 65 3.6. Perancangan Antar Muka Sistem (Interface) 68

3.6.1. Halaman Utama 68

3.6.2. Halaman Sub Menu Metode AHP 69

3.6.3 Halaman SAW 73

BAB 4 IMPLEMENTASI DAN PENGUJIAN

4.1. Implementasi Sistem 75

4.1.1. Form menu utama 75

4.1.2. FormMetode AHP 76

4.1.3 FormMetode SAW 77

4.1.4. FormAbout 78

4.2. Pengujian Sistem 79

4.2.1. Pengujian sistem Metode AHP 80 4.2.2. Pengujian sistem Metode SAW 85 BAB 5 KESIMPULAN DAN SARAN

5.1. Kesimpulan 95

5.2. Saran 95

DAFTAR TABEL

Halaman

Tabel 2.1. Skala Saaty 12

Tabel 2.2. Matriks Perbandingan Berpasangan 14

Tabel 2.3. Random Index 14

Tabel 3.1. Matriks Berpasangan Kriteria 24

Tabel 3.2. Matriks Berpsangan Alternatif 24

Tabel 3.3. Nilai Perbandingan Kriteria 25

Tabel 3.4. Matriks Pembobotan untuk semua kriteria disederhanakan 25 Tabel 3.5. Matriks Pembobotan untuk semua kriteria dinormalkan 27

Tabel 3.6. Matriks Eigen vector 27

Tabel 3.7. Matriks Faktor Berpasangan untuk Kriteria Tarif Telepon 29 Tabel 3.8. Matriks Faktor Evaluasi untuk Kriteria Tarif Telepon yang

disederhanakan

29 Tabel 3.9. Matriks Faktor Evaluasi untuk Kriteria Tarif Telepon yang

dinormalkan

32 Tabel 3.10. Matriks Faktor Berpasangan untuk Kriteria SMS 33 Tabel 3.11. Matriks Faktor Evaluasi untuk Kriteria SMS yang

disederhanakan

33 Tabel 3.12. Matriks Faktor Evaluasi untuk Kriteria SMS yang dinormalkan 36 Tabel 3.13. Matriks Faktor Berpasangan untuk Kriteria Internet 37 Tabel 3.14. Matriks Faktor Evaluasi untuk Kriteria Internet yang

disederhanakan

37 Tabel 3.15. Matriks Faktor Evaluasi untuk Kriteria Internet yang

dinormalkan

40 Tabel 3.16. Matriks Faktor Berpasangan untuk Kriteria Layanan 41 Tabel 3.17. Matriks Faktor Evaluasi untuk Kriteria Layanan yang

disederhanakan

41 Tabel 3.18. Matriks Faktor Evaluasi untuk Kriteria Layanan yang

dinormalkan

44 Tabel 3.19. Matriks Faktor Berpasangan untuk Kriteria Bonus 45 Tabel 3.20. Matriks Faktor Evaluasi untuk Kriteria Bonus yang

disederhanakan

45 Tabel 3.21. Matriks Faktor Evaluasi untuk Kriteria Bonus yang dinormalkan 48

Tabel 3.22. Perhitungan Matriks Global 49

Tabel 3.23. Hasil Ranking Metode AHP 50

Tabel 3.24. Bobot Kriteria 50

Tabel 3.27. Total Nilai Akhir Pembobotan 58 Tabel 3.28. Total Nilai Akhir Setelah di urutkan 59 Tabel 3.29. Spesifikasi Use Case Metode AHP 60 Tabel 3.30. Spesifikasi Use Case Metode SAW 61 Tabel 3.31. Keterangan Bagian Rancang AntarMuka Aplikasi 68 Tabel 3.32. Keterangan Bagian Submenu AHP Matriks Kriteria 70 Tabel 3.33. Keterangan Bagian Rancangan Alternatif 71

Tabel 3.34. Keterangan Matriks Global 73

DAFTAR GAMBAR

Halaman

Gambar 2.1. Proses Pengambilan Keputusan 9

Gambar 2.2. Karakteristik dan Kapabilitas SPK 11

Gambar 2.3. Hirarki 3 Level AHP 12

Gambar 2.4. Flowchart Metode AHP 16

Gambar 2.5. Flowchart Metode SAW 19

Gambar 3.1. Diagram Ishikawa Untuk Analisis Masalah 22

Gambar 3.2. Use Case Sistem 60

Gambar 3.3. Activity Diagram Metode AHP 62

Gambar 3.4. Activity Diagram Metode SAW 63

Gambar 3.5. Sequence Diagram AHP 64

Gambar 3.6. Sequence Diagram SAW 65

Gambar 3.7. Flowchart Sistem AHP 66

Gambar 3.8. Flowchart Sistem SAW 67

Gambar 3.9. Rancangan Halaman Utama 68

Gambar 3.10. Rancangan Menu Halaman AHP Matriks Kriteria 69

Gambar 3.11. Rancangan Matriks Global 62

Gambar 3.12. Rancangan Halaman Metode SAW 74

Gambar 4.1. Form Menu Utama 76

Gambar 4.2. Form Matriks Kriteria 77

Gambar 4.3. FormMetode SAW 78

Gambar 4.4. Form About 79

Gambar 4.5. Form Perhitungan Matriks Kriteria 80 Gambar 4.6. Form Perhitungan Matriks Alternatif Tari Telepon 81 Gambar 4.7. Form Perhitungan Matriks Alternatif SMS 82 Gambar 4.8. Form PerhitunganMatriks Alternatif Internet 83 Gambar 4.9. Form Perhitungan Matriks Alternatif Layanan 84 Gambar 4.10. Form Perhitungan MatriksAlternatif Bonus 84 Gambar 4.11. Form Perhitungan Matriks Global 85 Gambar 4.12. Form Perhitungan Matriks Metode SAW 86 Gambar 4.13. FormPengujian Perhitungan Matriks Kriteria 87 Gambar 4.14. FormPengujian PerhitunganMatriks Alternatif Tarif Telepon 88 Gambar 4.15. FormPengujian Perhitungan Matriks Alternatif SMS 88 Gambar 4.16. FormPengujian Perhitungan MatriksAlternatif Internet 89 Gambar 4.17. FormPengujian Perhitungan MatriksAlternatif Layanan 89 Gambar 4.18. FormPengujian Perhitungan Matriks Alternatif Bonus 90 Gambar 4.19. FormPengujian Perhitungan Matriks Total Nilai 90

Gambar 4.21. FormPengujian Perhitungan Matriks Kriteria 91 Gambar 4.22. FormPengujian PerhitunganMatriks Alternatif Tarif Telepon 92 Gambar 4.23. FormPengujian Perhitungan Matriks Alternatif SMS 92 Gambar 4.24. Form Pengujian Perhitungan MatriksAlternatif Internet 93 Gambar 4.25. Form Pengujian Perhitungan MatriksAlternatif Layanan 93 Gambar 4.26. Form Pengujian Perhitungan Matriks Alternatif Bonus 94 Gambar 4.27. Form Pengujian Perhitungan Matriks Total Nilai 94 Gambar 4.28. Form Pengujian Perhitungan Metode SAW 95

ABSTRAK

Sistem pendukung keputusan adalah salah satu solusi bagi pembuat kebijakan dalam mengambil sebuah keputusan. Banyaknya Operator Seluler yang menawarkan fitur-fitur yang membuat calon pembeli bingung sehingga sering berganti operator dan membuat permasalahan baru dalam menentukan tingkat layanan operator seluler.. Tujuan dari penelitian ini adalah untuk membangun sebuah sistem aplikasi yang mempunyai kemampuan untuk menentukan Operator Seluler Terbaik berdasarkan nilai dari kriteria pemilihan dan dengan memperhatikan jenis keputusan dari setiap kriteria. Sistem Pendukung Keputusan yang digunakan dalam penelitian ini menggunakan Metode Analytic Hierarchy Process (AHP) dan Metode Simple

Additive Weighting (SAW). Data yang digunakan dalam penelitian ini adalah data

yang diperoleh dari hasil kuisioner yang dilakukan terhadap kalangan mahasiswa Fasilkom-TI USU. Dalam mengambil keputusan digunakan 5 kriteria pembanding untuk menentukan Operator Seluler Terbaik, yaitu Tarif Telepon, SMS, Internet, Layanan, Bonus. Aplikasi pada penelitian ini dibangun dengan menggunakan bahasa pemrograman Java.Dari hasil pengujian, dengan menggunakan Metode Analytic

Hierarchy Process (AHP), sistem ini dapat menentukan Operator Seluler Terbaik

yaitu alternatif Simpati dengan ranking pertama diperoleh nilai 0.221 dan Metode

Simple Additive Weighting (SAW) yaitu alternatif Simpati dengan bobot nilai 0.595.

Dari penelitian ini dihasilkan aplikasi yang dapat membantu calon konsumen dalam menentukan keputusan untuk memilih operator seluler terbaik.

.

Kata Kunci : Sistem Pendukung Keputusan (SPK), Analytic Hierarchy Process (AHP) dan Simple Additive Weighting (SAW), Kriteria, Bobot Kriteria

IMPLEMENTATION OF ANALYTIC HIERARCHY PROCESS(AHP) AND SIMPLE ADDITIVE WEIGHTHING (SAW) IN ELECTION THE BEST OF

CELLULER OPERATOR

ABSTRACT

Decision support systems are one solution for policy-makers in making a decision. Number of Mobile Operator offers features that make potential buyers confused so that prospective buyers often replace operator and create new problems in determining thr level of service from mobile operators. The purpose of this research is to build an application system that has the ability to determine the best carrier based on the value of the selection criteria and with regard to the type of decision for each criterion. Decision Support Systems used in this study implemented the Analytical Hierarchy Process (AHP) and Simple Additive Weighting Method (SAW). Data used in this research was obtained from questionnaires distributed among the students of USU Fasilkom-TI. In making the decision, five criteria were used to determine the Best Cellular Operator, i.e. Call Rates SMS, Internet, Services, Bonus. Application in this study was built using the Java programming language 8.0. From the test results, the system was able to determine the Best Mobile Operator Method with Analytical Hierarchy Process (AHP) and Simple Additive Weighting Method (SAW) and the weights assigned to the criteria and alternative criteria had a large impact on the result. From th result by using Analytic Hierarchy Process Method, The system can determine the best of mobile operator that it is an alternative Simpati with the first rank values obtained 0.221 and Simple Additive Weighting Methods is an alternative Simpati with weights 0.595. From the result of this application that can help potential customers in determining of the Best Mobile Operator.

Keywords : Decision Support System (DSS), Analytical Hierarchy Process (AHP), Simple Additive Weighting (SAW), Criteria, Criteria Weights

BAB 1

PENDAHULUAN

1.1. Latar Belakang

Saat ini peranan komunikasi sangat mempengaruhi kehidupan di berbagai kalangan khususnya dikalangan mahasiswa, sehingga mahasiswa sangat membutuhkan sarana komunikasi yang dapat mendukung kelancaran komunikasiterutama dari sisi operator seluler.Oleh karena itu, kelancaran komunikasi yang cepat dan tepat sangat dibutuhkan sehingga banyak sekali mahasiswa semakin lebih kreatif dalam memilih operator seluler yang terbaik untuk digunakan sesuai dengan kebutuhannya masing-masing yaitu daritarif telepon, tarif sms, internet, layanan dan bonus. Disatu sisi mahasiswa lebih cenderung tertarik terhadap harga yang murah tetapi fitur-fitur yang ditawarkan oleh produsen telekomunikasi sangat terbatas namun ada juga sebagian mahasiswa memilih operator seluler dengan harga mahal dengan fitur-fitur yang ditawarkan tidak terbatas. Adapun operator seluler GSM yang sering digunakan dikalangan mahasiswa adalah Simpati, AS, IM3, XL, 3(Three), Mentari dan Axis.

Komunikasi merupakan aktivitas manusia yang sangat penting.Bukan hanya dalam kehidupan organisasi, tetapi juga dalam kehidupan manusia secara umum. Komunikasi sangat bergantung terhadap teknologi telekomunikasi. Saat ini teknologi komunikasi menjadi sangat penting dan peranan-peranan teknologi mengalami perkembangan yang sangat pesat sehingga sangat mempengaruhi dalam komunikasi. Persaingan bisnis telekomunikasi yang sangat ketat saat ini dapat di lihat dari perusahaan kartu seluler yang berlomba-lomba memberikan tawaran yang menarik dan lebih murah kepada pelanggan dan calon pelanggannya dengan tujuan menarik pelanggan sebanyak-banyaknya.

Dalam pemilihan operator seluler terbaik digunakan dua metode yaitu metode AHP dan metode SAW. Metode Analytic Hierarchy Process (AHP)adalah metode pengambilan keputusan terhadap masalah penentuan prioritas pilihan dari berbagai alternatif. Penggunaan AHP dimulai dengan membuat struktur hirarki dari permasalahan yang ingin diteliti.Untuk pertama kali metode AHP diperkenalkan Oleh Thomas L. Saaty pada periode tahun 1971-1975 di Wharthon School. Dalam perkembangannya, metode AHP tidak saja digunakan untuk menentukan prioritas pilihan-pilihan dengan banyak kriteria(multikriteria), tetapi penerapannya telah meluas sebagai sebuah metode alternatif untuk menyelesaikan bermacam-macam masalah, seperti portofolio yang menguntungkan, analisis manfaat biaya, dan membuat peramalan. Mulyono (1996), menjelaskan bahwa pada dasarnya metode AHP merupakan teori umum tentang suatu konsep pengukuran. Metode ini digunakan untuk menemukan suatu skala rasio baik dari perbandingan pasangan yang bersifat diskrit maupun kontinu.

Peralatan utama metode AHP merupakan sebuah bentuk hirarki yang bersifat fungsional dengan masukan (input) utamanya menggunakan persepsi manusia. Melalui sistem hirarki ini suatu masalah yang kompleks dan tidak terstruktur dapat didekomposisikan atau diformulasikan kedalam kelompok-kelompok atau bagian-bagian yang lebih sempit. Kemudian kelompok-kelompok tersebut diatur menjadi suatu bentuk hirarki (Permadi, 1996). Sedangkan Metode Simple Additive Weighting (SAW) sering dikenal sebagai metode penjumlahan terbobot. Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut (Fishburn, 1967). Metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat di perbandingkan dengan semua

rating alternatif yang ada (Kusumadewi, 2006). SAW (Simple Additive Weighting)

merupakan metode yang menyeleksi alternatif terbaik dari sejumlah alternatif berdasarkan kriteria-kriteria yang ditentukan dengan melakukan perangkingan untuk mengetahui nilai tertinggi sampai terendah.

Berdasarkan uraian di atas di gunakan sistem pendukung keputusan untuk membantu mahasiswa dalam memilih operator seluler terbaik dengan harga terjangkau dan fitur-fitur yang tersedia tidak terbatas sesuai kebutuhan mahasiswa. Sistem Pendukung Keputusan adalah sistem yang interaktif, yang membantu

pengambil keputusan melalui penggunaan data dan model-model keputusan untuk memecahkan masalah-masalah yang sifatnya semi terstruktur dan tidak terstruktur.

1.2.Rumusan Masalah

Masalah yang akan dibahas dalam penelitian ini adalah bagaimana menghasilkan sebuah sistem pendukung keputusan yang mampu menentukan operator seluler terbaik dengan mengimplementasikan Metode Analytic Hierarchy Process (AHP) dan Simple

Additive Weighting (SAW).

1.3. Batasan Masalah

Batasan masalah dalam penelitian ini adalah :

1. Penelitian ini hanya dilakukan pada mahasiswa S1 Fasilkom-TI USU.

2. Kriteriayang digunakan dalam pemilihan Operator Seluler Terbaik adalah TarifTelepon, TarifSMS, Tarif Internet, Layanan (Call Center dan Customer

Service Gallery) dan Bonus.

3. Operator seluler GSM (Global System for Mobile Telecomunications) yang digunakanyaitu :Simpati, AS, XL, IM3, 3 (Three), Mentari, Axis.

4. Dalam penelitian ini penulis hanya membahas dua Metode yaitu Analytic

Hierarchy Process (AHP) dan Simple Additive Weighting (SAW).

5. Menggunakan bahasa pemrograman java.

1.4. Tujuan Penelitian

Tujuan penelitian ini adalah menghasilkan sebuah sistem pendukung keputusan dengan menggunakan metode Analytic Hierarchy Process (AHP) dan Simple Additive

Weighting (SAW)untuk menentukan operator seluler terbaik bagi kalangan

1.5. Manfaat Penelitian

Manfaat dari penelitian ini adalah Penelitian ini diharapkan dapat menjadi dasar referensi dalam mengambil keputusan untuk memilih operator seluler terbaik sehingga dapat mempelancar komunikasi.

1.6. Metodologi Penelitian

Metodologi penelitian yang digunakan dalam penulisan skripsi ini adalah sebagai berikut:

a. Studi kepustakaan

Metode ini dilaksanakan dengan melakukan studi kepustakaan melalui membaca buku-buku yang relevan dengan judul skripsi, mencari jurnal, tulisan ilmiah maupun artikel lain yang berhubungan dengan sistem pendukung keputusan, Metode AHP dan Metode SAW.

b. Analisis

Pada tahap ini dilakukan pengumpulan data-data dari hasil studi kepustakaan kemudian melakukan analisis sehingga menjadi suatu informasi terstruktur dan jelas.

c. Perancangan

Pada tahap ini akan dilakukan perancangan sistem pendukung keputusan dalam penentuan operator seluler terbaik. Termasuk di dalamnya yaitu perancangan

flowchart, use case diagram, sequence diagram, activity diagram, dan desain interfaceserta perancangan sistem.

d. Implementasi

Pada tahap ini dilakukan implementasi rancangan sistem yang telah dibuat pada analisis dan perancangan sistem kedalam program komputer dengan menggunakan bahasa pemrograman Java.

e. Pengujian

Proses pengujian terhadap aplikasi yang dibuat untuk mengetahui apakah aplikasisudah berjalan dengan benar dan sesuai dengan perancangan yang dilakukan serta melakukan perbaikan kesalahan jika masih terdapat error pada aplikasi.

f. Dokumentasi

Tahap akhir dari penelitian yang dilakukan yaitu membuat kesimpulan dan laporan tentang penelitian yang telah dilakukan.

1.7. Sistematika Penulisan

Adapun langkah-langkah dalam menyelesaikan penelitian ini adalah sebagai berikut :

BAB 1 : PENDAHULUAN

Bab ini akan menjelaskan mengenai latar belakang masalah pemilihan judul skripsi “Implementasi Metode Analytic Hierarchy Process (AHP) dan Simple

Additive Weighting (SAW) dalam Pemilihan Operator Seluler Terbaik”,

rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, metodologi penelitian, dan sistematika penulisan.

BAB 2 : LANDASAN TEORI

Bab ini membahas mengenai teori-teori yang berkaitan dengan Sistem Pendukung Keputusan, Metode Analytic Hierarchy Process (AHP) dan Metode Simple Additive Weighting (SAW).

BAB 3 : ANALISIS DAN PERANCANGAN SISTEM

Bab ini membahas analisis yang dilakukan terhadap permasalahan dan penyelesaian persoalan serta perancangan sistem yang akan dibangun seperti rancanganFlowchart,Usecase Diagram, Sequence Diagram, Activity Diagramdan pembuatan user interface aplikasi.

BAB 4 : IMPLEMENTASI DAN PENGUJIAN SISTEM

Bab ini menjelaskan tentangimplementasi sistem aplikasi yang telah dibuat serta menguji sistem untuk menemukan kelebihan dan kekurangan pada sistem yang dibuat.

BAB 5 : KESIMPULAN DAN SARAN

Bab ini berisi kesimpulan yang didapat dari keseluruhan uraian bab-bab sebelumnya dan saranyang diharapkan dapat bermanfaat dalam pengembangan penelitian selanjutnya.

BAB 2

LANDASAN TEORI

2.1. Sistem Pendukung Keputusan

2.1.1. Konsep Dasar Sistem Pendukung Keputusan

Konsep Sistem Pendukung Keputusan (Decision Support Systems=DSS) pertama kali diperkenalkan pada awal tahun 1970-an oleh Michael Scott Morton, yang selanjutnya dikenal dengan istilah “Management Decision Systems” (Sprague, 1982). Konsep Sistem Pendukung Keputusan merupakan sebuah sistem interaktif berbasis komputer yang membantu pembuat keputusan memanfaatkan data dan model untuk menyelesaikan masalah-masalah yang bersifat tidak terstruktur dan semi terstruktur. Sistem Pendukung Keputusan dirancang untuk menunjang seluruh tahapan pembuatan keputusan, yang dimulai dari tahap mengindentifikasi masalah, memilih data yang relevan, menentukan pendekatan yang digunakan dalam proses pembuatan keputusan, sampai pada kegiatan mengevaluasi pemilihan alternatif (Daihani, 2001).

Sistem pendukung keputusan juga merupakan suatu sistem interaktif yang mendukung keputusan dalam proses pengambilan keputusan melalui alternatif-alternatif yang di peroleh dari hasil pengolahan data, informasi dan rancangan model. Dimana Model merupakan karakteristik utama dari sistem pendukung keputusan yang merupakan suatu bentuk representasi yang disederhanakan atau abstraksi dari sebuah realita (Turban dan Aronson,1998).

2.1.2 Definisi Sistem Pendukung Keputusan

Definisi mengenai sistem pendukung keputusan yang ideal adalah :

a. SPK adalah sebuah sistem berbasis komputer dengan antarmuka antara mesin/komputer dan pengguna.

b. SPK ditujukan untuk membantu pembuat keputusan dalam menyelesaikan suatu masalah dalam berbagai level manajemen dan bukan untuk mengganti posisi manusia sebagai pembuat keputusan.

c. SPK mampu memberi alternatif solusi bagi masalah semi/tidak terstruktur baik bagi perseorangan atau kelompok dan dalam berbagai macam proses dan gaya pengambilan keputusan.

d. SPK menggunakan data, basis data dan analisa model-model keputusan. e. SPK bersifat adaptif, efektif, interaktif, easy to use dan fleksibel.

f. SPK menyediakan akses terhadap berbagai macam format dan tipe sumber data (data source).

2.1.3Komputer dan Keputusan

Terdapat beberapa alasan untuk menggunakan aplikasi komputer dalam proses pembuatan keputusan yaitu (Turban & Aronson, 1998) :

1. Kecepatan perhitungan

2. Keterbatasan manusia dalam proses pengambilan keputusan

3. Kemudahan melakukan koordinasi dan komunikasi dalam kelompok kerja 4. Pengurangan biaya dan menghemat waktu

5. Peningkatan produktifitas kerja

6. Peningkatan kualitas pengambilan keputusan lewat simulasi komputer

2.1.4Proses Pengambilan Keputusan

Menurut Sprague, R.H.Jr. menggambarkan proses pengambilan keputusan. Proses ini terdiri atas empat fase, yaitu:

1. Tahap penelusuran (Intelligence)

Merupakan tahap pendefenisian masalah serta identifikasi informasi yang di butuhkan yang berkaitan dengan persoalan yang dihadapi serta keputusan yang akan diambil. 2. Perancangan (Desain)

Merupakan tahap analisa alam kaitan mencari atau merumuskan alternatif-alternatif pemecahan masalah. Setelah permasalahan di rumuskan dengan baik, maka tahap berikutnya adalah merancang atau membangun model pemecahan masalahnya dan menyusun berbagai alternatif pemecahan masalah.

3. Pemilihan (Selection)

Dengan mengacu pada rumusan tujuan serta hasil yang diharapkan selanjutnya manajemen memilih alternatif solusi yang di perkirakan paling sesuai. Pemilihan alternatif ini akan mudah dilakukan kalau hasil yang di inginkan terukur atau memiliki nilai kuantitas tertentu, sebaliknya apabila hasil yang di harapkan tidak terukur secara kuantitatif, pemilihan alternatif sangat sukar dilakukan.

4.Implementasi (Implementation)

Merupakan tahap pelaksanaan dari keputusan yang telah di ambil. Pada tahapini perlu disusun serangkaian tindakan yang terencana, sehingga hasil keputusan dapat di pantau dan disesuaikan apabila diperlukan perbaikan-perbaikan.

Keempat langkah tersebut dapat dilihat pada gambar.2 di bawah ini .

Sistem informasi manajemen/ Pengolahan data elektronik

Ilmu manajemen/operation

research

Gambar 2.1. Proses Pengambilan Keputusan

2.1.5 Karakteristik dan kapabilitas kunci dari Sistem pendukung keputusan

Karakteristik dan kapabilitas kunci dari sistem pendukung keputusan tersebut membolehkan para pengambil keputusan untuk membuat keputusan yang lebih baik dan lebih konsisten pada satu cara yang dibatasi waktu (Turban, 2005).

1. Dukungan untuk pengambil keputusan, terutama pada situasi semiterstruktur dan tak terstruktur, dengan menyertakan penilaian manusia dan informasi terkomputerisasi.

2. Dukungan untuk semua level manajerial, dari eksekutif puncak sampai manajer lini.

3. Dukungan untuk individu dan kelompok.

4. Dukungan untuk keputusan independen dan atau sekuensial. Keputusan dapat dibuat satu kali atau berulang kali.

5. Dukungan di semua fase proses pengambil keputusan: intelegensi, desain, pilihan dan implementasi.

6. Dukungan di berbagai proses dan gaya pengambil keputusan. 7. Adaptifitas sepanjang waktu.

8. Kemudahan terhadap sistem (user friendly) .

9. Peningkatan terhadap keefektifan pemgambil keputusan (akurasi, timeless, kualitas) ketimbang pada efisiensinya (biaya pengambilan keputusan).

Intelligence

Penelusuran lingkup masalah Design

Perancangan penyelesaian masalah Choice

Pemilihan tindakan Implementation

10.Kontrol penuh oleh pengambil keputusan terhadap semua langkah proses pengambilkan keputusan dalam memecahkan masalah.

11.Pengguna akhir dapat mengembangkan dan memodifikasi sendiri sistem sederhana.

12.Biasanya model-model digunakan untuk menganalisis situasi pengambil keputusan.

13.Akses disediakan untuk berbagai sumber data, format, dan tipe.

14.Dapat dilakukan sebagai alat standalone yang digunakan oleh seorang pengambil keputusan pada satu lokasi atau didistribusikan di satu organisasi keseluruhan.

Gambar 2.2 Karakteristik dan kapabilitas kunci dari Sistem Pendukung Keputusan Masalah Semiterstruktur dan tidak terstruktur Mendukung manajer disemua level Mendukung individu dan kelompok Keputusan yang saling tergantung atau sekuensial Mendukung inteligensi desain, pilihan, implementasi Mendukung berbagai proses dan gaya keputusan Dapat diadaptasi dan fleksibel Kemudahan pengguna (User friendly) Keefektifan bukan efisiensi Manusia mengontrol mesin Kemudahan pengembangan Pemodelan dan analisis Akses data Standalone, intergrasi web SISTEM PENDUKUNG KEPUTUSAN 1 2 3 4 5 6 7 8 9 11 10 12 13 14

2.2 Metode Analytic Hierarcy Process (AHP)

Metode AHP yang dikembangkan oleh Thomas L. Saaty tahun 1970 an ialah metode yang dapat memecahkan masalah yang kompleks dan tidak terstruktur, dimana kriteria yang diambil cukup banyak, struktur masalah yang belum jelas, ketidakpastian persepsi pembuat keputusan serta ketidakpastian tersedianya data statistik yang akurat (Sandy Kosasi,2002). Adakalanya timbul masalah keputusan yang sulit untuk diukur secara kuantitatif dan perlu diputuskan secepatnya dan sering disertai dengan variasi yang beragam dan rumit sehingga data tersebut tidak mungkin dapat dicatat secara numerik karena kualitatif saja yang dapat di ukur yaitu berdasarkan pada persepsi, preferensi, pengalaman dan intuisi.

2.2.1 Prinsip-Prinsip Dasar Analytic Hierarchy Process (AHP)

Dalam AHP ada beberapa prinsip penting yaitu :

1. Decomposition (Penyusunan Hirarki)

Memecahkan masalah yang utuh menjadi unsur-unsurnya kebentuk hirarki proses pengambilan keputusan, dimana setiap unsur saling berhubungan. Struktur decomposition adalahtujuan keputusan (goal), kriteria-kriteria, dan alternatif-alternatif seperti gambar 3.

Gambar 2.3 Hirarki 3 level AHP

2. Comparative Judgement (Penilaian perbandingan berpasangan)

Menentukan Operator Seluler Terbaik

Kriteria 1

Alternatif n Kriteria 2

Alternatif 3

Kriteria 3 Kriteria n

Penilaian tentang kepentingan relatif dua elemen pada suatu tingkat tertentu dalam kaitannya dengan tingkatan diatasnya. Penilaian ini merupakan inti dari penggunaan metode AHP, karena AHP akan berpengaruh terhadap penentuan prioritas elemen-elemen yang dibandingkan.

Tabel 2.1. Skala Urutan Kepentingan

Intensitas Kepentingan

Definisi

1 Kedua elemen sama pentingnya

3 Elemen yang satu sedikit lebih penting daripada elemen yang lainnya 5 Elemen yang satu lebih penting dari pada elemen yang lainnya 7 Satu elemen jelas lebih mutlak penting dari pada elemen yang lainnya 9 Satu elemen mutlak penting dari pada elemen yang lainnya

2,4,6,8 Nilai – nilai antara 2 nilai pertimbangan yang berdekatan

Kebalikan Jika aktifitas i mendapat satu angka dibanding aktifitas j, maka j mempunyai nilai kebalikkannya dibanding dengan i.

3. Synthesis of Priority (Penentuan Prioritas)

Menggunakan eigen vector method untuk mendapatkan bobot relatif bagi unsur-unsur pengambilan keputusan.

4. Logical Consistency

Mengagresikan seluruh eigen vector yang diperoleh dari berbagai tigkatan hirarki dan selanjutnya di peroleh suatu vector composite tertimbang yang menghasilkan urutan pengambilan keputusan.

Pada dasarnya terdapat beberapa langkah yang perlu diperhatikan dalam menggunakan metode AHP, antara lain (Suryadi & Ramadhani 1998):

1. Mendefinisikan masalah dan menentukan solusi yang di inginkan

2. Membuat struktur hirarki yang di awali dengan tujuan umum dilanjutkan dengan subtujuan-subtujuan, kriteria dan kemungkinan alternatif-alternatif pada tingkatan kriteria yang paling bawah.

3. Membuat matriks perbandingan berpasangan yang menggambarkan konstribusi relatif atau pengaruh setiap elemen terhadap masing-masing tujuan atau kriteria yang setingkat diatasnya. Perbandingan dilakukan berdasarkan

judgement dari pembuat keputusan dengan menilai tingkat kepentingan suatu

elemen dibandingkan elemen lainnya.

Tabel 2.2. Matrix Perbandingan Berpasangan

C A1 A2 A3 A4 A5

A1 1

A2 1

A3 1

A4 1

A5 1

4. Melakukan perbandingan berpasangan sehingga diperoleh nilai judgement seluruhnya yaitu sebanyak n x [ (�−1) ]

2 buah dengan n adalah banyaknya elemen yang dibandingkan.

5. Menghitung nilai eigen dan menguji konsistensinya jika tidak konsisten maka pengambilan data diulangi.

6. Mengulangi langkah 3, 4 dan 5 untuk seluruh tingkat hirarki.

7. Menghitung vektor eigen dari setiap matriks perbandingan berpasangan.

Nilai vektor eigen merupakan bobot setiap elemen. Langkah ini untuk mensintesis judgement dalam penentuan prioritas elemen-elemen pada tingkat hirarki terendah sampai pencapaian tujuan.

8. Memeriksa konsistensi hirarki. Jika nilainya lebih dari 10% (persen) atau 0,1 maka penilaian data harus di perbaiki.

Tabel 2.3. Random Index Ukuran Matriks Nilai RI

1,2 0,00

3 0,58

4 0,90

5 1,12

6 1,24

7 1,32

8 1,41

9 1,45

10 1,49

11 1,51

12 1,48

13 1,56

14 1,57

15 1,59

Jika CR< 0,1 maka nilai perbandingan berpasangan pada matriks kriteria yang diberikan konsistensi. Jika CR> 0,1, maka nilai perbandingan berpasangan pada matriks kriteria yang diberikan tidak konsisten, sehingga pengisian nilai-nilai pada matriks berpasangan pada unsur kriteria maupun alternatif harus diulang.

2.2.3 Kelebihan Metode AHP

Adapun yang menjadi kelebihan dengan menggunakan Metode AHP adalah (Suryadi & Ramdhani, 1998):

1. Struktur yang berbentuk hirarki sebagai konsekuensi dari kriteria yang dipilih sampai pada sub-sub kriteria yang paling dalam.

2. Memperhitungkan validitas sampai dengan batas toleransi inkonsistensi berbagai kriteria dan alternatif yang dipilih oleh para pengambilan keputusan. 3. Memperhitungkan daya tahan atau ketahan keluaran analisis sensitifitas

pembuat keputusan.

Selain itu metode AHP mempunyai kemampuan untuk memecahkan masalah yan multi-objektif dan multi-kriteria yang berdasar pada perbandingan preferensi dari

Mulai

Mendefinisikan Masalah

Membuat struktur hirarki

Membuat matriks perbandingan untuk memperoleh judgement n x [(n-1)/2] buah

Hitung nilai eigen

Konsistensi nilai matriks

Seluruh tingkat hirarki di proses

Hitung vector eigen tiap matriks perbandingan berpasangan

Konsistensi hirarki <10 %

Total Nilai

Selesai

Tidak

Tidak

Tidak

Ya Ya

Ya

2.3 Metode Simple Additive Weighting (SAW)

Metode Simple Additive Weighting (SAW) merupakan salah satu metode untuk penyelesaian masalah multi-attribute decision making (Kusumadewi, 2006). Metode SAW sering juga dikenal istilah metode penjumlahan terbobot. Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut. Metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada. Metode SAW mengenal adanya 2 (dua) atribut yaitu kriteria

keuntungan (benefit) dan kriteria biaya (cost). Perbedaan mendasar dari kedua kriteria ini adalah dalam pemilihan kriteria ketika mengambil keputusan.

Jika j adalah atribut keuntungan (benefit) :

��� =_{��� �}��� ��

Jika j adalah atribut biaya (cost) :

��� =��� �_� �� ��

Keterangan :

rij = nilai rating kinerja ternormalisasi

xij = nilai atribut yang dimiliki dari setiap kriteria max xij = nilai terbesar dari setiap kriteria

min xij = nilai terkecil dari setiap kriteria benefit = jika nilai terbesar adalah terbaik cost = jika nilai terkecil adalah terbaik

dimana rij adalah rating kinerja ternormalisasi dari alternatif Ai pada atribut Cj;i=1,2,...,m dan j=1,2,...,n. Nilai preferensi untuk setiap alternatif (Vi) di berikan

�� = � ����� �

�=1

Keterangan :

Vi = ranking untuk setiap alternatif wj = bobot ranking

rij = rating kinerja ternormalisasi

Nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai lebih terpilih.

2.3.1. Langkah-Langkah dalam Metode SAW

Langkah-langkah perhitungan dengan metode SAW adalah sebagai berikut:

1. Menentukan kriteria-kriteria yang akan dijadikan acuan dalam pengambilan keputusan, yaitu disimbolkan dengan C.

2. Menentukan rating kecocokan setiap alternatif pada setiap kriteria.

3. Membuat matriks keputusan berdasarkan kriteria (C), kemudian melakukan normalisasi matriks berdasarkan persamaan yang disesuaikan dengan jenis atribut (atribut keuntungan ataupun atribut biaya) sehingga di peroleh matriks ternormalisasi disimbolkan dengan R.

4. Hasil akhir di peroleh dari proses perankingan yaitu penjumlahan dari perkalian matriks ternormalisasi R dengan vektor bobot sehingga di peroleh nilai terbesar yang di pilih sebagai alternatif terbaik disimbolkan (Ai) sebagai

Mulai

Mendefenisikan masalah

Pembobotan Alternatif tiap kriteria

Pembobotan kriteria

Normalisasi

Perankingan

Selesai

Gambar 2.5. Flowchart Metode SAW

2.3.2 Kelebihan Metode Simple Additive Weighting (SAW)

Kelebihan dari model Simple Additive Weighting (SAW) dibandingkan dengan model pengambilan keputusan yang lain terletak pada kemampuannya untuk melakukan penilaian secara lebih tepat karena di dasarkan pada nilai kriteria dan bobot preferensi yang sudah ditentukan, selain itu SAW juga dapat menyeleksi alternatif terbaik dari sejumlah alternatif yang ada karena adanya proses perankingan setelah menentukan nilai bobot untuk setiap atribut.

2.4 Penelitian Terdahulu

Beberapa penelitian sistem pendukung keputusan yang relevan dengan penelitian yang diangkat dalam karya ilmiah ini adalah sebagai berikut:

1. Nur Rochmah Dyah P.A* (2009), mengembangkan Sistem Pendukung Keputusan Perencanaan Strategis Kinerja Instansi Pemerintah menggunakan Metode AHP (Studi kasus di DEPERINDAG). Penentuan perencanaan-perencanaan pada DEPENRINDAG masih menggunakan sistem manual yang dilakukan oleh pihak pimpinan, sehingga menghambat kinerja instansi tersebut dalam menentukan keputusan mengenai keputusan-keputusan perencanaan strategis. Perencanaan strategis yang ditentukan oleh pimpinan dipengaruhi oleh faktor internal dan juga eksternal. Keputusan yang dibahas tidak terlepas dari analisis faktor internal dan eksternal yang meliputi faktor-faktor SWOT yaitu Strength (kekuatan), Weakness (Kelemahan), Oportunity (Peluang) dan

Threat (Hambatan). Sebab suatu pengambil keputusan yang baik akan sangat

menentukan kualitas serta kredibilitas suatu informasi. Dari penelitian ini dihasilkan aplikasi sistem Pendukung Keputusan Perencanaan strategic kinerja Instansi Pemerintah berdasar pada pengukuran pencapaian sasaran skala prioritas dapat membantu bagian perencanaan strategis dalam instansi tersebut untuk menentukan kebijaksanaan-kebijaksanaan dalam perencanaan strategis. Hasil perhitungan menggunakan metode AHP diperoleh skala prioritas strategi yaitu memanfaatkan anggaran dan belum adanya lembaga stadarisasi nasional sebagai ranking pertama sehingga dari hasil ini dapat dilakukan perencanaan strategis yang lebih baik lagi.

2. Youllia Indrawaty,dkk (2011), dalam penelitiannya yangmenggunakan Metode SAW, dalampenentuan sertifikasi guru. Proses sertifikasi guru menggunakan metode SAW dilakukan dengan cara menyeleksi guru berdasarkan kinerja portofolio serta dilakukan perankingan untuk mengetahui nilai tertinggi sampai terendah untuk mengetahui yang berhak menerima sertifikasi guru berdasarkan kuota yang ada. Metode yang dipakai sebelumnya adalah dengan mengumpulkan portofolio peserta sertifikasi guru dengan penilaian berdasarkan rubrik penilaian dan apabila banyak orang yang mendaftar menjadi peserta portofolio bisa di bayangkan dokumen dan bukti fisik yang terkumpul didalam sepuluh komponen portofolio tersebut dinilai oleh petugas sertifikasi dari dinas pendidikan. Dalam penelitian ini hanya terdapat 10 kriteria sebagai pertimbangan keputusan sertifikasi guru dan 2 guru yang

mengikuti sertifikasi guru yaitu ana dan bana. Setelah melakukan proses perhitungan menggunakan metode SAW, hasil yang didapat adalah guru bana yang akan mendapatkan sertifikasi guru berdasarkan 1 kuota yang ada.

3. Fajar Nugraha,dkk (2012), dalam penelitiannya yang menggunakan metode

Simple Additive Weighting (SAW), dalam pengadaan aset melalui lelang baik

yang dilakukan secara konvensional membutuhkan suatu pendukung keputusan dalam memilih pemenang tender. Sistem pendukung keputusan yang masih berjalan selama ini sebatas mencatat peserta lelang dan berkas-berkas yang dipersyarakatkan sehingga pengambil keputusan masih harus bekerja dalam memilih dan menentukan pemenang. Oleh karena sistem yang berjalan masih demikian sehingga cara tersebut masih sering menimbulkan permasalahan seperti munculnya sanggahan dari peserta lelang yang tidak puas dengan hasil keputusan pemenang lelang. Dan karena banyaknya peserta yang mengikuti sehingga dibutuhkan waktu yang lama untuk mengavaluasi seluruh dokumen yang dipersyaratkan dan dokumen penawaran. Adapun tujuan dari penelitian yang dilakukan oleh fajar nugraha,dkk adalah untuk membangun sebuah Sistem Pendukung Keputusan dengan menerapkan Metode Simple

Additive Weigthing (SAW) yang berfungsi sebagai alat bantu bagi institusi

perguruan tinggi dalam pengambilan keputusan pada proses manajemen aset. Dari proses perhitungan menggunakan Metode SAW, Nilai terbesar diperoleh pada V1(nilai preferensi = 2.873) sehingga alternatif A1(Peserta Lelang1) adalah rekomendasi alternatif yang terpilih sebagai alternatif terbaik.

BAB 3

ANALISIS DAN PERANCANGAN SISTEM

Pada bab ini penulis akanmembahas tentang analisis dan perancangan sistem dalam menentukan operator seluler terbaik menggunakan Metode Analytic Hierarchy

Process(AHP)dan Metode Simple Additive Weighting (SAW).

3.1. Analisis Masalah

Dalam membangun sebuah sistem diperlukan analisis terhadap sistem yang akan di bangun. Analisis yang dibutuhkan dalam merancang sebuah sistem dapat menggunakan Fishbone Diagram/Ishikawa Diagram

Pada Gambar 3.1. terdapat sebuah diagram Ishikawa yang digunakan untuk menganalisis masalah. Pada bagian kepala (sebelah kanan) menerangkan permasalahan yang ada, sementara pada bagian tulang (sebelah kiri) menerangkan penyebab masalah.

Belum ada Sistem untuk membantu dalam pengambilan

keputusan untuk pemilihan operator

seluler terbaik

MAN

MACHINE MATERIAL

METHOD

Belum ada metode dalam

menentukan keputusan

Banyak operator seluler Banyaknya tawaran

terhadap fitur-fitur operator Mahasiswa butuh waktu

lama untuk mengambil sebuah keputusan

Belum ada sistem untuk membantu pengambilan

keputusan

3.2. Analisis Kebutuhan Sistem

Untuk membangun sebuah sistem aplikasi, perlu dilakukan sebuah tahap analisis kebutuhan sistem. Analisis kebutuhan sistem dapat dikelompokkan menjadi 2 bagian yaitu kebutuhan fungsional dan kebutuhan non-fungsional.

3.2.1. Kebutuhan fungsional

Adapun kebutuhan fungsional adalah sistem dapat menyelesaikan masalah dalam pemilihan operator seluler terbaik dengan menggunakan Metode Analytical Hierarchy

Process dan MetodeSimpleAdditiveWeighting.

3.2.2. Kebutuhan non fungsional

Kebutuhan non fungsional adalah kebutuhan yang diberikan oleh sistem yang bertujuan untuk mendukung kebutuhan fungsional yang sudah ditentukan. Beberapa kebutuhan non fungsional yang dimaksud adalah :

1. Hasil kuisioner digunakan sebagai sumber data penilaian. 2. Sistem operasi Microsoft Windows 7.

3. Bahasa pemrograman Java 8.0.

3.3. Analisis Proses

Dalam pemilihan Operator Seluler terbaik, sistem ini menggunakan 2 proses utama, yaitu proses pemilihan menggunakan metode AHP dan proses pemilihan menggunakan metode SAW. Untuk mengetahui bagaimana sistem bekerja dapat dengan mengimplementasikannya ke dalam analisis proses.

3.3.1. Analisis proses metodeAHP

Langkah-langkah yang dilakukan dalam pemecahan masalah untuk memilihOperator Seluler Terbaikmenggunakan Metode AHP adalah sebagai berikut :

2. Kriteria-kriteria yang digunakan adalah Tarif telepon, SMS, Internet, Layanan, Bonus.

Tabel 3.1. Matriks Berpasangan Untuk Kriteria Memilih Operator Seluler Terbaik

Kriteria Tarif Telepon SMS Internet Layanan Bonus Tarif Telepon 1

SMS 1

Internet 1

Layanan 1

Bonus 1

3. Alternatif dalam pemilihan operator seluler terbaik yaitu Simpati, AS, IM3, XL, 3(Three), Mentari, Axis.

Tabel 3.2 Matriks Berpasangan Alternatif Operator Seluler

Alternatif Simpati AS IM3 XL 3 (Three) Mentari Axis Simpati 1

AS 1

IM3 1

XL 1

3 (Three) 1

Mentari 1

Axis 1

Σ

4. Menguji konsistensi matriks berpasangan kriteria dan alternatif dengan rumus: CI = λmaks−n

� – 1 5. Menghitung rasio konsistensi dengan rumus:

��= ��

��

6. Menghitung matriks global untuk perankingan akhir.

1. Data Penelitian

Data yang digunakan adalah datpa primer, dimana peneliti harus mengumpulkan data melalui penelitian lapangan dan mengolah sendiri (Supramono dan Haryanto, 2003). Cara pengumpulan data dilakukan dengan penyebaran kuisioner di kalangan mahasiswa Fasilkom-TI USU sebanyak 40 orang responden. Kuisoner yang dibagikan kepada responden menyediakan alternatif jawaban, sehingga responden cukup memilih jawaban yang telah disediakan. Jawaban responden terhadap pernyataan dalam kuisioner berpedoman pada skala L. Saaty. Skor 1-9 digunakan untuk mengukur jawaban responden dimana untuk pernyataan yang bersifat mutlak penting diberi skor 9 dan untuk pernyataan kedua elemen sama penting diberi skor 1.

2. Penyelesaian Matriks Kriteria dalam Pemilihan Operator Seluler Terbaik

1. Menentukan kriteria dalam memilih operator seluler terbaik dan menghitung matriks kriteria berpasangan. Nilai input pada Tabel 3.3 diperoleh dari hasil kuisioner terhadap 40 orang responden.

Tabel 3.3 Nilai Perbandingan Kriteria

Kriteria Tarif Telepon SMS Internet Layanan Bonus Tarif Telepon

1 1

3

1

3 2 4

SMS _{3 1 2 4 6}

Internet

3 1

2 1 3 5

Layanan 1

2

1 4

1

3 1 3

Bonus 1

4

1 6

1 5

1

2. Menghitung matriks faktor pembobotan hirarki untuk semua kriteria disederhanakan.

Tabel 3.4 Matriks Faktor Pembobotan Hirarki Untuk Semua Kriteria disederhanakan

Kriteria Tarif Telepon SMS Internet Layanan Bonus

Tarif Telepon 1.000 0.333 0.333 2 4

SMS 3 1.000 2 4 6

Internet 3 0.5 1.000 3 5

Layanan 0.5 0.25 0.333 1.000 3

Bonus 0.25 0.166 0.2 0.333 1.000

∑ 7.75 2.249 3.866 10.333 19

3. Membuat tabel normalisasi yaitu membagi masing-masing sel pada tabel 3.5 dengan jumlah masing-masing kolomnya.

HN = Nilai elemen kolom kriteria J��

Keterangan :

HN = Hasil Normalisasi

Nek = Nilai Elemen Kolom Kriteria

Jkm = Jumlah Kolom Matriks

HN Tarif Telepon >< Tarif Telepon ₌ 1

7.75= 0.129 HN SMS >< Tarif Telepon ₌ 3

7.75 = 0.387 HN Internet >< Tarif Telepon ₌ 3

7.75

= 0.387 HN Layanan >< Tarif Telepon ₌0.5

7.75

= 0.064 HN Bonus >< Tarif Telepon ₌ 0.25

7.75

= 0.032 HN Tarif Telepon ><SMS ₌ 0.333

2.249

= 0.148 HN SMS >< SMS ₌ 1

2.249

HN Internet >< SMS ₌ 0.5 2.249

= 0.222 HN Layanan >< SMS ₌ 0.25

2.249

= 0.111 HN Bonus >< SMS ₌ 0.166

2.249

= 0.073 HN Tarif Telepon >< Internet ₌ 0.333

3.866

= 0.086 HN SMS >< Internet ₌ 2

3.866

= 0.517 HN Internet >< Internet ₌ 1

3.866

= 0.258 HN Layanan >< Internet ₌ 0.333

3.866

= 0.086 HN Bonus >< Internet ₌ 0.2

3.866

= 0.051 HN Tarif Telepon >< Layanan ₌ 2

10.333

= 0.193 HN SMS >< Layanan ₌ 4

10.333

= 0.387 HN Internet >< Layanan ₌ 3

10.333

= 0.290 HN Layanan >< Layanan ₌ 1

10.333

= 0.096 HN Bonus >< Layanan ₌0.333

10.333

= 0.032 HN Tarif Telepon >< Bonus ₌4

19

= 0.210 HN SMS >< Bonus ₌6

19

= 0.315 HN Internet >< Bonus ₌ 5

19

= 0.263 HN Layanan >< Bonus ₌ 3

19

= 0.157 HN Bonus >< Bonus ₌1

19

= 0.052

Tabel 3.5. Matriks Faktor Pembobotan Hirarki untuk Semua Kriteria dinormalisasikan

Kriteria Tarif Telepon SMS Internet Layanan Bonus Tarif_Telepon 0.129 0.148 0.086 0.193 0.210

SMS 0.387 0.444 0.517 0.387 0.315

Internet 0.387 0.222 0.258 0.290 0.263 Layanan 0.064 0.111 0.086 0.096 0.157 Bonus 0.032 0.073 0.051 0.032 0.052

4. Menghitung nilai prioritas masing-masing kriteria dengan membagikan penjumlahan tiap baris matriks dengan jumlah kriteria sebagai berikut:

Pr = Jbp Jk

Keterangan : Pr = Prioritas

Jbp = Jumlah baris perkriteria

Jk = Jumlah kriteria (n = 5)

Pr Tarif Telepon = (0.129+0.148+0.086+0.193+0.210)

5 = 0.153

Pr SMS = (0.387+0.444+0.517+0.387+0.315)

5 = 0.410

Pr Internet = (0.387+0.222+0.258+0.290+0.263)

5 = 0.284

Pr Layanan = (0.064+0.111+0.086+0.096+0.157)

5 = 0.103

Pr Bonus = (0.032+0.073+0.051+0.032+0.052)

5 = 0.048

Tabel 3.6. Matriks Eigen Vector

Kriteria Tarif Telepon SMS Internet Layanan Bonus Eigen

vector

Tarif_Telepon 0.129 0.148 0.086 0.193 0.210 0.153 SMS 0.387 0.444 0.517 0.387 0.315 0.410 Internet 0.387 0.222 0.258 0.290 0.263 0.284 Layanan 0.064 0.111 0.086 0.096 0.157 0.103 Bonus 0.032 0.073 0.051 0.032 0.052 0.048 5. Menghitung eigen value ((λ max) dengan cara menjumlahkan hasil perkalian

jumlah tiap kolom tiap kriteria dengan nilai eigen vector tiap kriteria.

Nilai eigenvalue= (7.75 x 0,153) + (2.249 x 0.410) + (3.866 x 0,284) + (10.333 x 0,103) + (19 x 0,048)

= 5,203

��=(���� − �) (� −1)

��=(5,203−5) (5−1)

CI =0,050

7. Menghitung nilai consistency ratio (CR) dengan rumus : Untuk n = 5 maka RI = 1,120

��= ��

�� ��= 0,050

1,120

��= 0,045

Memeriksa konsistensi hirarki. Karena nilai CR<0,1 maka hasil perhitungan dinyatakan konsisten. Jika CR< 0,1 maka hasil perhitungan tidak konsisten dan perhitungan pada matriks berpasangan kriteria harus diulang.

3.Penyelesaian matriks alternatif 1. Kriteria Tarif Telepon

1. Menentukan alternatif dalam memilih operator seluler terbaik, serta menghitung matriks alternatif berpasangan.

Tabel 3.7. Matriks Faktor Berpasangan untuk Kriteria Tarif Telepon Tarif

Telepon Simpati AS IM3 XL 3(Three) Mentari Axis

Simpati 1 7 3 4 3 8 3

AS 1

7 1 1 5 1 3 1 5 2 1 5

IM3 1

3 5 1 2 1 6 1

XL 1

4 4 1 2 1 1 2 5 1 2 3(Three) 1

3 5 1 2 1 6 1

Mentari 1 8 1 2 1 6 1 5 1 6 1 1 6

Axis 1

2. Menghitung matriks faktor pembobotan hirarki untuk semua alternatif disederhanakan.

Tabel 3.8. Matriks Faktor Evaluasi untuk Kriteria Tarif Telepon yang disederhanakan

Tarif

Telepon Simpati AS IM3 XL 3(Three) Mentari Axis Simpati 1.000 7.000 3.000 4.000 3.000 8.000 3.000

AS 0.142 1,000 0.2 0.333 0.2 2.000 0.2 IM3 0.333 5.000 1.000 2.000 1.000 6.000 1.000 XL 0.25 4.000 0.5 1,000 0.5 5.000 0.5 3(Three) 0,333 5.000 1.000 2.000 1.000 6.000 1.000 Mentari 0,125 0.5 0.166 0.2 0.166 1.000 0.166 Axis 0,333 5.000 1.000 2.000 1.000 6.000 1.000 ∑ 2.517 27.5 6.866 11.533 6.866 34 6.866 3. Membuat tabel normalisasi yaitu membagi nilai masing-masing sel pada tabel

3.9. dengan jumlah masing-masing kolomnya. HN Simpati >< Simpati ₌ 1

2.517= 0.397 HN AS >< Simpati ₌0.142

2.517 = 0.056 HN IM3 >< Simpati ₌0.333

2.517 = 0.132 HN XL >< Simpati ₌ 0.25

2.517

= 0.099 HN 3(Three) >< Simpati ₌ 0.333

2.517

= 0.132 HN Mentari >< Simpati ₌ 0.125

2.517

= 0.049 HN AXIS >< Simpati ₌ 0.333

2.517

= 0.132 HN Simpati >< AS ₌ 7

27.5

= 0.264

HN AS><AS ₌ 1

27.5

= 0.036

HN IM3 >< AS ₌ 5

27.5

= 0.188

HN XL><AS ₌ 4

27.5

= 0.113 HN 3(Three) >< AS ₌ 5

27.5

= 0.188 HN Mentari><AS ₌ 0.5

27.5

= 0.018

HN AXIS><AS ₌ 5

27.5

HN Simpati >< IM3 ₌ 3 6.816

= 0.436

HN AS><IM3 ₌0.25

6.816

= 0.029 HN IM3 >< IM3 ₌ 1

6.816

= 0.144

HN XL><IM3 ₌ 0.5

6.816

= 0.072 HN3(Three)><IM3 ₌ 1

6.816

= 0.144 HN Mentari >< IM3 ₌0.166

6.816

= 0.024

HN AXIS><IM3 ₌ 1

6.816

= 0.144 HN Simpati >< XL ₌ 4

11.533

= 0.346

HN AS><XL ₌ 0.333

11.533

= 0.028

HNIM3><XL ₌ 2

11.533

= 0.173

HN XL >< XL ₌ 1

11.533

= 0.086 HN3(Three)><XL ₌ 2

11.533

= 0.173 HN Mentari >< XL ₌ 0.2

11.533

= 0.017

HN AXIS><XL ₌ 0.2

11.533

= 0.173 HN Simpati><3(Three) ₌ 3

6.866

= 0.436 HN AS><3(Three) ₌ 0.2

6.866

= 0.029 HNIM3><3(Three) ₌ 1

6.866

= 0.145 HN XL >< 3(Three) ₌ 0.5

6.866

= 0.072 HN3(Three)><3(Three) ₌ 1.000

6.866

= 0.145 HN Mentari >< 3(Three) ₌0.166

6.866

= 0.024 HN AXIS><3(Three) ₌ 1.000

6.866

= 0.145 HN Simpati >< Mentari ₌ 8

34

= 0.235 HN AS><Mentari ₌2

34

= 0.058 HNIM3><Mentari ₌ 6

34

= 0.176 HN XL >< Mentari ₌ 5 _{= 0.147}

HN3(Three)><Mentari ₌ 6 34

= 0.176 HN Mentari >< Mentari ₌ 1

34

= 0.029 HN AXIS >< Mentari ₌ 6

34

= 0.176 HN Simpati >< AXIS ₌ 3

6.866

= 0.436

HN AS><AXIS ₌ 0.2

6.866

= 0.029

HNIM3><AXIS ₌ 1

6.866 = 0.145 HN XL >< AXIS ₌ 0.5

6.866

= 0.072 HN3(Three)><AXIS ₌ 1.000

6.866

= 0.145 HN Mentari >< AXIS ₌ 0.166

6.866

= 0.024 HN Simpati >< AXIS ₌ 1.000

6.866

= 0.145

Tabel 3.9. Matriks Faktor Evaluasi untuk Kriteria Tarif Telepon yang dinormalkan

Tarif

Telepon Simpati AS IM3 XL 3(Three) Mentari Axis

Eigen Vector

Simpati 0.397 0.255 0.437 0.347 0.437 0.235 0.436 0.364 AS 0.056 0.036 0.029 0.028 0.029 0.058 0.029 0.038 IM3 0.132 0.188 0.144 0.173 0.145 0.176 0.145 0.157 XL 0.099 0.113 0.072 0.086 0.072 0.147 0.072 0.100 3(Three) 0.132 0.188 0.144 0.173 0.145 0.176 0.145 0.157 Mentari 0.049 0.018 0.024 0.017 0.024 0.029 0.024 0.027 Axis 0.132 0.188 0.144 0.173 0.145 0.176 0.145 0.157 4. Menghitung eigen value ((λ max) dengan cara menjumlahkan hasil perkalian

jumlah tiap kolom tiap kriteria dengan nilai eigen vector tiap kriteria

���������� = (2.516 x 0.364) + (27.5 x 0.038) + (6.916 x 0.158) + (11.533 x 0.094) + (6.866 x 0.158) + (34 x 0.026) +

(6.866 x 0.158) = 7.265

��=(���� − �) (� −1)

��=(7.2−7)

(7−1)

CI =0,044

6. Menghitung nilai consistency ratio (CR) dengan rumus : Untuk n = 7, RI = 1,32

�� =��

�� �� =0,033

1,32

��= �,���

Memeriksa konsistensi hirarki. Karena nilai CR<0,1 maka hasil perhitungan dinyatakan konsisten.

2. Kriteria SMS

1. Menentukan alternatif dalam memilih operator seluler terbaik, serta menghitung matriks alternatif berpasangan

Tabel 3.10. Matriks Faktor Berpasangan untuk Kriteria SMS SMS Simpati AS IM3 XL 3(Three) Mentari Axis

Simpati 1 1

2 1 8 1 7 1 4 2 1 5

AS 2 1 1

6 1 5 1 2 4 1 3

IM3 8 6 1 2 5 9 4

XL 7 5 1

2 1 4 8 3

3(Three) 4 2 1

5

1

4 1 5

1 2 Mentari 1

2 1 4 1 9 1 8 1 5 1 1 6

Axis 5 3 1

4

1

2. Menghitung matriks faktor pembobotan hirarki untuk semua alternatif disederhanakan.

Tabel 3.11. Matriks Faktor Evaluasi untuk Kriteria sms yang disederhanakan SMS Simpati AS IM3 XL 3(Three) Mentari Axis Simpati 1.000 0.5 0.125 0.142 0.25 2 0.2

AS 2 1,000 0.166 0.2 0.5 4 0.333

IM3 8 6 1.000 2 5 9 4

XL 7 5 0.5 1,000 4 8 3

3(Three) 4 2 0.2 0.25 1.000 5 0.5

Mentari 0.5 0.25 0.111 0.125 0.2 1.000 0.166 Axis 5 3 0.25 0.333 2.000 1.000 1.000 ∑ 27.5 17.75 2.352 4.05 12.95 35 9.199

3. Membuat tabel normalisasi yaitu membagi nilai masing-masing sel pada tabel 3.12. dengan jumlah masing-masing kolomnya.

HN Simpati >< Simpati ₌ 1

27.5= 0.036 HN AS >< Simpati ₌ 2

27.5

= 0.072 HN IM3 >< Simpati ₌ 8

27.5

= 0.290 HN XL >< Simpati ₌ 7

27.5

= 0.255 HN 3(Three) >< Simpati ₌ 4

27.5

= 0.145 HN Mentari >< Simpati ₌0.5

27.5

= 0.018 HN AXIS >< Simpati ₌ 5

27.5

= 0.181 HN Simpati >< AS ₌ 0.5

17.75

= 0.028

HN AS><AS ₌ 1

17.75

= 0.056

HN IM3 >< AS ₌ 6

17.75

= 0.338

HN XL><AS ₌ 5

17.75

= 0.281 HN 3(Three) >< AS ₌ 2

17.75

= 0.112 HN Mentari><AS ₌0.25

17.75

HN AXIS><AS ₌ 3 17.75

= 0.169 HN Simpati >< IM3 ₌0.125

2.352

= 0.053 HN AS><IM3 ₌ 0.166

2.352

= 0.070

HN IM3 >< IM3 ₌ 1

2.352

= 0.425

HN XL><IM3 ₌ 0.5

2.352

= 0.212 HN3(Three)><IM3 ₌ 0.2

2.352

= 0.085 HN Mentari >< IM3 ₌ 0.111

2.352

= 0.047 HN AXIS><IM3 ₌ 0.25

2.352

= 0.106 HN Simpati >< XL ₌0.142

4.05

= 0.035

HN AS><XL ₌0.2

4.05 = 0.049

HNIM3><XL ₌ 2

4.05

= 0.493

HN XL >< XL ₌ 1

4.05 = 0.246 HN3(Three)><XL ₌ 0.25

4.05

= 0.061 HN Mentari >< XL ₌0.125

4.05

= 0.030 HN AXIS><XL ₌ 0.333

4.05

= 0.082 HN Simpati><3(Three) ₌ 0.25

12.95

= 0.019 HN AS><3(Three) ₌ 0.5

12.95

= 0.038 HNIM3><3(Three) ₌ 5

12.95

= 0.386 HN XL >< 3(Three) ₌ 4

12.95

= 0.308 HN3(Three)><3(Three) ₌ 1

12.95

= 0.077 HN Mentari >< 3(Three) ₌ 0.2

12.95

= 0.015 HN AXIS><3(Three) ₌ 2

12.95

= 0.154 HN Simpati >< Mentari ₌2

35

= 0.057 HN AS><Mentari ₌ 4

35 = 0.133 HNIM3><Mentari ₌ 9 _{= 0.256}

HN XL >< Mentari ₌ 8 35

= 0.268 HN3(Three)><Mentari ₌5

35

= 0.142 HN Mentari >< Mentari ₌ 1

35

= 0.028 HN AXIS >< Mentari ₌1

35

= 0.171 HN Simpati >< AXIS ₌ 0.2

9.199

= 0.021 HN AS><AXIS ₌ 0.333

9.199

= 0.027

HNIM3><AXIS ₌ 4

9.199

= 0.434 HN XL >< AXIS ₌ 3

9.199

= 0.326 HN3(Three)><AXIS ₌ 0.5

9.199

= 0.054 HN Mentari >< AXIS ₌0.166

9.199

= 0.018 HN Simpati >< AXIS ₌1.000

9.199

= 0.109

Tabel 3.12. Matriks Faktor Evaluasi untuk Kriteria SMS yang dinormalkan SMS Simpati AS IM3 XL 3(Three) Mentari Axis Eigen

Vector

Simpati 0.036 0.028 0.053 0.035 0.019 0.057 0.021 0.036 AS 0.072 0.056 0.070 0.049 0.038 0.133 0.027 0.063 IM3 0.290 0.338 0.425 0.493 0.386 0.256 0.434 0.375 XL 0.255 0.281 0.212 0.246 0.308 0.268 0.326 0.266 3(Three) 0.145 0.112 0.085 0.061 0.077 0.142 0.054 0.097 Mentari 0.018 0.014 0.047 0.030 0.015 0.028 0.018 0.025 Axis 0.181 0.169 0.106 0.082 0.154 0.171 0.109 0.139 4. Menghitung eigen value ((λ max) dengan cara menjumlahkan hasil perkalian

jumlah tiap kolom tiap kriteria dengan nilai eigen vector tiap kriteria

Nilai eigenvalue= (27.5 x 0.036) + (17.75 x 0.062) + (2.352 x 0.375) + (4.05 x 0.265) + (12.95 x 0.096) + (30 x 0.024) +

(9.199 x 0.139) = 7.453

5. Menghitung nilai consistency indeks (CI) dengan rumus :

��=(���� − �) (� −1)

��=(7.455−7) (7−1)

CI=0,076

6. Menghitung nilai consistency ratio (CR) dengan rumus : Untuk n = 7 makaRI = 1,32

�� =��

�� �� =0,075

1,32

��=�,���

Memeriksa konsistensi hirarki. Karena nilai CR<0,1 maka hasil perhitungan dinyatakan konsisten.

3. Kriteria Internet

1. Menentukan alternatif dalam memilih operator seluler terbaik, serta menghitung matriks alternatif berpasangan.

Tabel 3.13. Matriks Faktor Berpasangan untuk Kriteria internet Internet Simpati AS IM3 XL 3(Three) Mentari Axis

Simpati 1 6 6 4 2 8 9

AS 1

6 1 1

1 3

1

5 3 4

IM3 1

6 1 1

1 3

1

5 3 4

XL 1

4 3 3 1

1

3 5 6

3(Three) 1

2 5 5 3 1 7 8

Mentari 1 8 1 3 1 3 1 5 1

7 1 2

Axis 1

9 1 4 1 4 1 6 1 8 1 2 1

2. Menghitung matriks faktor pembobotan hirarki untuk semua alternatif disederhanakan.

Tabel 3.14. Matriks Faktor Evaluasi untuk Kriteria internet yang disederhanakan

Internet Simpati AS IM3 XL 3(Three) Mentari Axis

Simpati 1.000 6 6 4 2 8 9

AS 0.166 1,000 1.000 0.333 0.2 3 4

IM3 0.166 1 1.000 0.333 0.2 3 4

XL 0.25 3 3 1.000 0.333 5 6

3(Three) 0.5 5 5 3.000 1.000 7 8

Mentari 0.125 0.333 0.333 0.2 0.142 1.000 2 Axis 0.111 0.25 0.25 0.166 0.125 0.5 1.000

∑ 2.318 16.583 16.583 9.032 4 27.5 34

3. Membuat tabel normalisasi yaitu membagi nilai masing-masing sel pada tabel 3.15 dengan jumlah masing-masing kolomnya.

HN Simpati >< Simpati ₌ 1 2.318

= 0.431 HN AS >< Simpati ₌ 0.166

2.318

= 0.071 HN IM3 >< Simpati ₌ 0.166

2.318

= 0.071 HN XL >< Simpati ₌0.25

2.318

= 0.107 HN 3(Three) >< Simpati ₌ 0.5

2.318

= 0.215 HN Mentari >< Simpati ₌ 0.125

2.318

= 0.053 HN AXIS >< Simpati ₌ 0.111

2.318 = 0.047 HN Simpati >< AS ₌ 6

16.583 = 0.361

HN AS><AS ₌ 1

16.583 = 0.060

HN IM3 >< AS ₌ 1

16.583 = 0.060

HN XL><AS ₌ 3

16.583 = 0.180 HN 3(Three) >< AS ₌ 5

16.583 = 0.301 HN Mentari><AS ₌ 0.333

16.583 = 0.020 HN AXIS><AS ₌ 0.25

HN Simpati >< IM3 ₌ 6

16.583 = 0.361

HN AS><IM3 ₌ 1

16.583 = 0.060 HN IM3 >< IM3 ₌ 1

16.583 = 0.060

HN XL><IM3 ₌ 3

16.583 = 0.180 HN3(Three)><IM3 ₌ 5

16.583 = 0.301 HN Mentari >< IM3 ₌ 0.333

16.583 = 0.020 HN AXIS><IM3 ₌ 0.25

16.583 = 0.015 HN Simpati >< XL ₌ 4

9.032

= 0.442 HN AS><XL ₌ 0.333

9.032

= 0.036 HNIM3><XL ₌ 0.333

9.032

= 0.036

HN XL >< XL ₌ 1

9.032

= 0.110 HN3(Three)><XL ₌ 3

9.032

= 0.332 HN Mentari >< XL ₌ 0.2

9.032

= 0.022 HN AXIS><XL ₌0.166

9.032

= 0.018 HN Simpati><3(Three) ₌2

4

= 0.5 HN AS><3(Three) ₌0.2

4

= 0.05 HNIM3><3(Three) ₌ 0.2

4

= 0.05 HN XL >< 3(Three) ₌0.333

4

= 0.083 HN3(Three)><3(Three) ₌1

4

= 0.25 HN Mentari >< 3(Three) ₌0.142

4

= 0.035 HN AXIS><3(Three) ₌0.125

4

= 0.031 HN Simpati >< Mentari ₌ 8

27.5

= 0.290 HN AS><Mentari ₌ 3

27.5

= 0.109 HNIM3><Mentari ₌ 3

27.5

= 0.109 HN XL >< Mentari ₌ 5 _{= 0.181}

HN3(Three)><Mentari ₌ 7 27.5

= 0.254 HN Mentari >< Mentari ₌ 1

27.5

= 0.036 HN AXIS >< Mentari ₌ 0.5

27.5

= 0.018 HN Simpati >< AXIS ₌ 9

34

= 0.264

HN AS><AXIS ₌ 4

34

= 0.117

HNIM3><AXIS ₌ 4

34

= 0.117 HN XL >< AXIS ₌ 6

34

= 0.176 HN3(Three)><AXIS ₌8

34

= 0.235 HN Mentari >< AXIS ₌ 2

34

= 0.058 HN Simpati >< AXIS ₌1.000

34

= 0.209

Tabel 3.15. Matriks Faktor Evaluasi untuk Kriteria Internet yang dinormalkan Internet Simpati AS IM3 XL 3(Three) Mentari Axis Eigen

Vector

Simpati 0.431 0.361 0.361 0.442 0.5 0.290 0.264 0.379 AS 0.071 0.060 0.060 0.036 0.05 0.109 0.117 0.072 IM3 0.071 0.060 0.060 0.036 0.05 0.109 0.117 0.072 XL 0.107 0.180 0.180 0.110 0.083 0.181 0.176 0.146 3(Three) 0.215 0.301 0.301 0.332 0.25 0.254 0.235 0.270 Mentari 0.053 0.020 0.020 0.022 0.035 0.036 0.058 0.035 Axis 0.047 0.015 0.015 0.018 0.031 0.018 0.029 0.025 4. Menghitung eigen value ((λ max) dengan cara menjumlahkan hasil perkalian

jumlah tiap kolom tiap kriteria dengan nilai eigen vector tiap kriteria

Nilai eigenvalue= (2.318 x 0.378) + (16.583 x 0.071) + (16.583 x 0.071) + (9.032 x 0.145) + (4 x 0.269) + (27.5 x 0.034) +

(34 x 0.024) = 7.496

��=(���� − �) (� −1)

��=(7.498−7) (7−1)

CI =0,083

6. Menghitung nilai consistency ratio (CR) dengan rumus : Untuk n = 7 maka RI = 1,32

�� =��

�� �� =0,083

1,32

��=�,���

Memeriksa konsistensi hirarki. Karena nilai CR<0,1 maka hasil perhitungan dinyatakan konsisten.

4. Kriteria Layanan

1. Menentukan alternatif dalam memilih Operator Seluler Terbaik, serta menghitung matriks alternatif berpasangan.

Tabel 3.16. Matriks Faktor Berpasangan untuk Kriteria layanan Layanan Simpati AS IM3 XL 3(Three) Mentari Axis

Simpati 1 2 8 4 9 4 4

AS 1

2 1 7 3 8 3 3

IM3 1

8 1 7 1 1 5 2 1 5 1 5

XL 1

4

1

3 5 1 6 1 1

3(Three) 1 9 1 8 1 2 1 6 1 1 6 1 6 Mentari 1

4

1

3 5 1 6 1 1

Axis 1

4

1

3 5 1 6 1 1

Tabel 3.17. Matriks Faktor Evaluasi untuk Kriteria layanan yang disederhanakan

Layanan Simpati AS IM3 XL 3(Three) Mentari Axis Simpati 1.000 2.000 8.000 4.000 9.000 4.000 4.000

AS 0.5 1,000 7.000 3.000 8.000 3.000 3.000 IM3 0.125 0.142 1.000 0.2 2.000 0.2 0.2 XL 0.25 0.333 5.000 1.000 6.000 1.000 1.000 3(Three) 0.111 0.125 0.5 0.166 1.000 0.166 0.166 Mentari 0.25 0.333 5.000 1.000 6.000 1.000 1.000 Axis 0.25 0.333 5.000 1.000 6.000 1.000 1.000 ∑ 2.486 4.266 31.5 10.366 38 10.366 10.366

3. Membuat tabel normalisasi yaitu membagi nilai masing-masing sel pada tabel 3.18. dengan jumlah masing-masing kolomnya.

HN Simpati >< Simpati ₌ 1 2.486

= 0.402 HN AS >< Simpati ₌ 0.5

2.486

= 0.201 HN IM3 >< Simpati ₌ 0.125

2.486

= 0.050 HN XL >< Simpati ₌ 0.25

2.486

= 0.100 HN 3(Three) >< Simpati ₌ 0.111

2.486

= 0.044 HN Mentari >< Simpati ₌ 0.25

2.486

= 0.100 HN AXIS >< Simpati ₌ 0.25

2.486

= 0.100 HN Simpati >< AS ₌ 2

4.266

= 0.468

HN AS><AS ₌ 1

4.266

= 0.234 HN IM3 >< AS ₌0.142

4.266

= 0.033

HN XL><AS ₌0.333

4.266

= 0.078 HN 3(Three) >< AS ₌0.125

4.266

= 0.029 HN Mentari><AS ₌0.333

4.266

= 0.078 HN AXIS><AS ₌0.333

4.266

= 0.078 HN Simpati >< IM3 ₌ 8

31.5

HN AS><IM3 ₌ 7 31.5

= 0.222 HN IM3 >< IM3 ₌ 1

31.5

= 0.031

HN XL><IM3 ₌ 5

31.5

= 0.158 HN3(Three)><IM3 ₌0.5

31.5

= 0.015 HN Mentari >< IM3 ₌ 5

31.5

= 0.158

HN AXIS><IM3 ₌ 5

31.5

= 0.158 HN Simpati >< XL ₌ 4

10.366

= 0.385

HN AS><XL ₌ 3

10.366

= 0.289

HNIM3><XL ₌ 0.2

10.366

= 0.019

HN XL >< XL ₌ 1

10.366 = .096 HN3(Three)><XL ₌0.166

10.366 = 0.016 HN Mentari >< XL ₌ 1

10.366 = 0.096

HN AXIS><XL ₌ 1

10.366

= 0.096 HN Simpati><3(Three) ₌9

38

= 0.236 HN AS><3(Three) ₌ 8

38

= 0.210 HNIM3><3(Three) ₌2

38

= 0.052 HN XL >< 3(Three) ₌6

38

= 0.157 HN3(Three)><3(Three) ₌1

38

= 0.026 HN Mentari >< 3(Three) ₌ 6

38

= 0.157 HN AXIS><3(Three) ₌6

38

= 0.157 HN Simpati >< Mentari ₌ 4

10.366

= 0.385 HN AS><Mentari ₌ 3

10.366

= 0.289 HNIM3><Mentari ₌ 0.2

10.366

= 0.019 HN XL >< Mentari ₌ 1

10.366

= 0.096 HN3(Three)><Mentari ₌ 0.166 = 0.016

HN Mentari >< Mentari ₌ 1 10.366

= 0.096 HN AXIS >< Mentari ₌ 1

10.366

= 0.096 HN Simpati >< AXIS ₌ 4

10.366

= 0.385

HN AS><AXIS ₌ 3

10.366

= 0.289 HNIM3><AXIS ₌ 0.2

10.366

= 0.019 HN XL >< AXIS ₌ 1

10.366 = 0.096 HN3(Three)><AXIS ₌ 0.166

10.366

= 0.016 HN Mentari >< AXIS ₌ 1

10.366

= 0.096 HN Simpati >< AXIS ₌ 1

10.366

= 0.096

Tabel 3.18. Matriks Faktor Evaluasi untuk Kriteria layanan yang dinormalkan Layanan Simpati AS IM3 XL 3(Three) Mentari Axis Eigen

Vector

Simpati 0.402 0.468 0.253 0.385 0.236 0.385 0.385 0.360 AS 0.201 0.234 0.222 0.289 0.210 0.289 0.289 0.248 IM3 0.050 0.033 0.031 0.019 0.052 0.019 0.019 0.032 XL 0.100 0.078 0.158 0.096 0.157 0.096 0.096 0.112 3(Three) 0.044 0.029 0.015 0.016 0.026 0.016 0.016 0.023 Mentari 0.100 0.078 0.158 0.096 0.157 0.096 0.096 0.112 Axis 0.100 0.078 0.158 0.096 0.157 0.096 0.096 0.112 4. Menghitung eigen value ((λ max) dengan cara menjumlahkan hasil perkalian

jumlah tiap kolom tiap kriteria dengan nilai eigen vector tiap kriteria

Nilai eigenvalue= (2.486 x 0.359) + (4.266 x 0.248) + (31.5 x 0.032) + (10.366 x 0.112) + (38 x 0.023) + (10.366 x 0.112) +

(10.366 x 0.112) = 7.347

5. Menghitung nilai consistency indeks (CI) dengan rumus :

��=(���� − �) (� −1)

��=(7.349−7) (7−1)

CI =0,058

6. Menghitung nilai consistency ratio (CR) dengan rumus : Untuk n = 7 maka RI = 1,32

�� =��

�� �� =0,058

1,32

��=�,���

Memeriksa konsistensi hirarki. Karena nilai CR<0,1 maka hasil perhitungan dinyatakan konsisten.

5. Kriteria Bonus

1. Menentukan alternatif dalam memilih operator seluler terbaik, serta menghitung matriks alternatif berpasangan.

Tabel 3.19. Matriks Faktor Berpasangan untuk Kriteria Bonus Bonus Simpati AS IM3 XL 3(Three) Mentari Axis

Simpati 1 3 1

2

1

4 5 6

1 2

AS 1

3 1

1 4

1

6 3 4

1 4

IM3 2 4 1 1

3 6 7 1

XL 4 6 3 1 8 9 3

3(Three) 1 5 1 3 1 6 1

8 1 2

1 6 Mentari 1

6 1 4 1 7 1 9 1 2 1 1 7

Axis 2 4 1 1

3 6 7 1

2. Menghitung matriks faktor pembobotan hirarki untuk semua alternatif disederhanakan.

97

Gambar 4.26 Perhitungan Matriks Alternatif Bonus

Pengujian Metode SAW

Gambar 4.28 Perhitungan Metode SAW

Dari pengujian perhitungan Metode AHP dan Metode SAW yang telah dilakukan dengan nilai yang berbeda menghasilkan alternatif Simpati sebagai Alternatif terbaik.

99

BAB 5

KESIMPULAN DAN SARAN

5.1. Kesimpulan

Kesimpulan dari penelitian ini adalah:

1. Aplikasi Sistem Pendukung Keputusan yang dibangun dapat membantu calon konsumen dalam menentukan pilihan operator seluler terbaik sesuai dengan kebutuhan.

2. Aplikasi yang telah dirancang dengan mengimplementasikan Metode AHP(Analytic Hierarchy Process)dan SAW (Simple Additive Weighting)telah mampu memberikan solusi Operator Seluler Terbaik adalah Simpati.

3. Metode AHP dan SAW dapat digunakan untuk menyelesaikan permasalahan yang bersifat multikriteria dan data ketidakpastian pada penelitian ini yakni, Sistem Pendukung Keputusan dalam menentukan Operator Seluler Terbaik.

4. Bobot nilai yang digunakan baik pada kriteria maupun alternatif tiap kriteria sangat mempengaruhi nilai hasil akhir dari penelitian.

5.2. Saran

Saran yang dapat diberikan oleh penulis setelah penelitian dilakukan adalah:

1. Sistem yang dirancang agar lebih representatif dengan menambahkan jumlah alternatif dan jumlah kriteria.

DAFTAR PUSTAKA

Dadan Umar Daihani. 2001Komputerisasi Pengambilan Keputusan. Elex Media Komputindo. Jakarta.

Fajar Nugraha, dkk. 2012. Sistem Pendukung Keputusan Evaluasi Pemilihan Pemenang Pengadaan Aset dengan Metode Simple Additive Weighting (SAW). Jurnal Sistem Informasi Bisnis. Universitas Muria Kudus.

Fishburn, P. C. 1967. A Problem-based Selection of Multi-Attribute Decision Making Methods. Blackwell Publishing. New Jersey.

Heri Sulistiyo. Sistem Pendukung Keputusan untuk menentukan penerimaan beasiswa di SMA Negeri 6 Pandeglang. Jurusan Teknik Informatika, Fakultas Teknik dan Ilmu Komputer. Universitas Komputer Indonesia. Kusumadewi, Sri. 2006. Fuzzy Multi-Attribute Decision Making ( Fuzzy

MADM). Graha Ilmu. Yogyakarta.

Mulyono, Sri. 1996. Teori Pengambilan Keputusan, Edisi Revisi. Penerbit Fakultas Ekonomi. Universitas Indonesia. Jakarta.

Nugroho Joko Usito. 2013 Sistem Pendukung Keputusan Penilaian Proses Belajar Mengajar Menggunakan Metode Simple Additive Weighting (SAW). Program Pasca Sarjana Universitas Diponegoro. Semarang. Nur Rochmah Dyah P.A*, Armandira Maulana P. 2009. Sistem Pendukung

Keputusan Perencanaan Strategis Kinerja Instansi Pemerintah Menggunakan Metode AHP. Jurnal Informatika

Saaty, Thomas L. 1996. Decision Making With Dependence and Feedback: The Analytic Network Process. Pittsburgh. RWS Publications.

Sandy Kosasi. 2002 Sistem Penunjang Keputusan (Decision Support System). Pontianak.

Suryadi dan Ramadhani. 1998. Sistem Pendukung Keputusan. Penerbit PT. Remaja Rosdakarya Bandung. Bandung.

Spraque, Jr.,Ralph H dan Hugh J. Watson. 1996. Decision Support for Management. Penerbit Prentice-Hall,Inc.

101

Youllia Indrawaty, Andriana, Restu Adi Prasetya. 2011.“Implementasi Metode Simple Additive Weighting pada sistem Pengambilan keputusan sertifikasi guru”. Jurnal informatika. Institut Teknologi Bandung.

DAFTAR RIWAYAT HIDUP

Nama : Desimawati Christina Nainggolan Alamat : Jl.Temenung No.5 Belawan Tanggal Lahir : Medan 10 Desember 1988 Jenis Kelamin : Perempuan

No Handphone : 081260459029 Ema

Pendidikan Formal

2012 – 2014 : S1 Ilmu Komputer Universitas Sumatera Utara 2006 -2009 : DIII Politeknik Lp3i Medan

2003 – 2006 : SMA Dr. Wahidin Sudirohusodo Medan 2000 – 2003 : SLTP Neg. 26 Medan

1994 – 2000 : SD Neg. 70 Medan

Pendidikan Non formal

2002 - 2003 : Kursus Bahasa Inggris Pelatihan Herman Belawan 2007 (Maret-Juli) : Pelatihan Toefl

Keahlian