Perhitungan Faktor Evaluasi Untuk Kriteria Kuantitas Hasil Produksi

3.8 Perhitungan Faktor Evaluasi Untuk Kriteria Kuantitas Hasil Produksi

Perbandingan berpasangan untuk kriteria kuantitas hasil produksi pada 7 jenis komoditas pertanian adalah perbandingan berpasangan antara kentang a, kubis b, cabe c, tomat d, ubi jalar e, kopi f dan jeruk g. Menurut data Dinas Pertanian, diperoleh masing-masing produktifitas dari komoditas dalam tonha adalah kentang 21,50, kubis 28,05, cabe 3,10, tomat 12,03, ubi jalar 16,16, kopi 13,12 dan jeruk 20. Data menunjukkan bahwa komoditas kubis 2 kali lebih baik dari kentang, kentang 8 kali lebih baik dari cabe, kubis 9 kali lebih baik dari cabe, tomat 5 kali lebih baik dari cabe.Selengkapnya diperoleh hasil preferensi dalam matriks resiprokal serperti pada tabel 3.19. Tabel 3.19 Matriks Faktor Evaluasi untuk Kriteria Kuantitas Hasil Produksi Perhitungan matriks untuk kriteria kuantitas hasil produksidengan menyederhanakan matriks pembobotan, hasilnya seperti tabel3.20. a b c d e f g a 1 8 4 2 4 1 b 2 1 9 5 3 5 2 c 1 d 5 1 e 6 2 1 2 f 5 2 1 g 1 7 3 2 3 1 Universitas Sumatera Utara Tabel 3.20 Matriks Faktor Evaluasi untuk Kriteria Kuantitas Hasil Produksi yang Disederhanakan Dengan unsur-unsur pada tiap kolom dibagi dengan jumlah total pada kolom yang bersangkutan, akan diperoleh bobot relatif yang dinormalkan. Nilai vektor eigen dihasilkan dari rata-rata nilai bobot relatif untuk tiap baris. Hasilnya dapat dilihat pada tabel 3.21. Tabel 3.21 Matriks Faktor Evaluasi untuk Kriteria Kuantitas Hasil Produksi yang Dinormalkan Selanjutnya nilai eigen maksimum didapat dengan menjumlahkan hasil perkalian jumlah kolom dengan vektor eigen. Nilai eigen maksimum yang dapat diperoleh adalah: a b c d e f g a 1,000 0,500 8,000 4,000 2,000 4,000 1,000 b 2,000 1,000 9,000 5,000 3,000 5,000 2,000 c 0,125 0,111 1,000 0,200 0,167 0,200 0,143 d 0,250 0,200 5,000 1,000 0,500 0,500 0,333 e 0,500 0,333 6,000 2,000 1,000 2,000 0,500 f 0,250 0,200 5,000 2,000 0,500 1,000 0,333 g 1,000 0,500 7,000 3,000 2,000 3,000 1,000 ∑ 5,125 2,844 41,000 17,200 9,167 15,700 5,310 a b c d e f g Vector eigen a 0,195 0,176 0,195 0,233 0,218 0,255 0,188 0,209 b 0,390 0,352 0,220 0,291 0,327 0,318 0,377 0,325 c 0,024 0,039 0,024 0,012 0,018 0,013 0,027 0,022 d 0,049 0,070 0,122 0,058 0,055 0,032 0,063 0,064 e 0,098 0,117 0,146 0,116 0,109 0,127 0,094 0,115 f 0,049 0,070 0,122 0,116 0,055 0,064 0,063 0,077 g 0,195 0,176 0,171 0,174 0,218 0,191 0,188 0,188 Universitas Sumatera Utara Karena matriks berordo 7 yakni terdiri dari 7 alternatif , nilai indeks konsistensi yang diperoleh: Untuk n = 7, RI = 1,320 tabel Saaty, maka: Karena RC 0,100 berarti matriks resiprokal kriteia kuantitas hasil produksi adalah konsisten. Dari hasil perhitungan pada tabel 3.21 diperoleh urutan komoditas unggulan untuk kriteria kuantitas hasil produksiyakni kubis menjadi unggulan pertama dengan nilai bobot 0,325 atau 32,5, kemudian kentang dengan bobot 0,209 atau 20,9 , jeruk dengan bobot 0,188 atau 18,8 , ubi jalar dengan bobot 0,115 atau 11,5 , kopi dengan bobot 0,077 atau 7,7 , tomat dengan bobot 0,064 atau 6,4, dan yang terakhir cabe dengan bobot 0,022 atau 2,2 .

3.9 Perhitungan Faktor Evaluasi Untuk Kriteria Harga Jual

Dokumen yang terkait

Analisis Metode Fuzzy Analytic Hierarchy Process (Fahp) Dalam Menentukan Posisi Jabatan

12 131 82

Perbandingan Metode Analytical Hierarchy Process (AHP) dan Metode Preference Ranking Organization Method For Enrichment Evaluation (PROMETHEE) untuk Pemilihan Hardisk Eksternal

19 131 147

Implementasi Metode Profile Matching dan Metode Analytical Hierarchy Process (AHP) pada Perekrutan Tenaga Kurir (Studi Kasus PT. JNE Cabang Medan)

16 91 137

Analisis Metode AHP (Analytical Hierarchy Process) Berdasarkan Nilai Consistency Ratio

2 46 123

Implementasi Metode Analytical Hierarchy Process (AHP) dan Fuzzy Multi-Attribute Decision Making (Fuzzy MADM) dalam Penentuan Prioritas Pengerjaan Order di PT. Sumatera Wood Industry

6 138 175

Analisis Pemilihan Supplier Dengan Metode Analytical Hierarchy Process (AHP) dan Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) di PT. Indo CafCo

12 57 78

Implementasi Metode K- Means Clustering Dan Metode Analytical Hierarchy Process (AHP) Dalam Penilaian Kedisiplinan Siswa (Studi Kasus : SMP Negeri 21 Medan)

20 99 166

Studi Penerapan Metode Analytical Hierarchy Process (AHP) Dan Metode Technique For Order Preference By Similarity To Ideal Solution (TOPSIS) Untuk Peningkatan Kualitas Layanan Di Rumah Sakit Bina Kasih Medan-Sunggal

4 41 149

Penentuan Komoditas Unggulan Pertanian Dengan Metode Analytical Hierarchy Process (AHP) (Studi Kasus: Pertanian Kecamatan Parbuluan, Kabupaten Dairi)

0 0 7

PENENTUAN KOMODITAS UNGGULAN PERTANIAN DENGAN METODE ANALYTICAL HIERARCHY PROCESS (AHP) (Studi Kasus: Pertanian Kecamatan Parbuluan, Kabupaten Dairi) SKRIPSI JEFRI LEO SIHOMBING

0 0 13