Manfaat Penelitian Proses Pengembangan Produk

1.4 Tinjauan Pustaka

Jani Raharjo, I Nyoman Sutapa 2002 dalam jurnalnya menuliskan bahwa didalam penerapan Analytical Hierarchy Process AHP untuk pengambilan keputusan dengan banyak kriteria yang bersifat subyektif, seringkali seorang pengambil keputusan dihadapkan pada suatu permasalahan yang sulit didalam penentuan bobot setiap kriteria. Untuk menangani kelemahan AHP ini diperlukan suatu metode yang lebih memperhatikan keberadaan kriteria-kriteria yang bersifat subyektif. Salah satu metode pendekatan yang sering dipakai adalah konsep fuzzy. Ulrich dan Eppinger 2001 mengatakan bahwa pemilihan konsep merupakan kegiatan di mana berbagai konsep dianalisis dan secara berturut-turut dieliminasi untuk mengidentifikasi konsep yang paling menjanjikan. Proses ini biasanya membutuhkan beberapa iterasi dan mungkin diajukannya tambahan penyusunan dan perbaikan konsep. Febransyah 2006 mengatakan bahwa apa yang sudah diperoleh pada satu tahapan proses masih dapat berubah karena ketidakpastian yang bersumber dari ketidaktepatan dalam mengidentifikasi oportunitas produk. Kemampuan tim pengembang produk untuk mengenali oportunitas produk akan sangat menentukan kesuksesan dari konsep produk yang dikembangkan.

1.5 Tujuan Penelitian

Tujuan penelitian ini adalah untuk mendapatkan pilihan konsep produk terbaik dari sejumlah konsep dengan menggunakan pendekatan fuzzy -AHP berdasarkan sejumlah kriteria dan alternatif. Tulisan ini juga membahas penyelesaian dengan menggunakan Metode AHP dengan tujuan membandingkannya dengan Metode fuzzy- AHP.

1.6 Manfaat Penelitian

Tulisan ini diharapkan dapat digunakan sebagai bahan referensi dalam pengambilan keputusan khususnya dalam pemilihan konsep produk dimana kondisi yang dihadapi berupa kompleksitas dan ketidakpastian. Universitas Sumatera Utara

1.7 Metodologi Penelitian

Metode penelitian yang digunakan dalam penelitian ini adalah: a. Melakukan studi yang berhubungan dengan AHP, fuzzy- AHP, dan pengembangan konsep produk dari internet berupa jurnal, artikel, dan dari buku. b. Mengerjakan contoh permasalahan dalam pemilihan konsep produk dengan pendekatan Metode AHP dan fuzzy -AHP. c. Penarikan kesimpulan, yakni konsep produk mana yang terbaik untuk dikembangkan. Universitas Sumatera Utara BAB 2 LANDASAN TEORI 2.1 Analytic Hierarchy Process AHP Analytic Hierarchy Process AHP adalah salah satu metode khusus dari Multi Criteria Decision Making MCDM yang diperkenalkan oleh Thomas L. Saaty. AHP sangat berguna sebagai alat dalam analisis pengambilan keputusan dan telah banyak digunakan dengan baik dalam berbagai bidang seperti peramalan, pemilihan karyawan, pemilihan konsep produk, dan lain-lain. Pada dasarnya, metode AHP memecah-mecah suatu situasi yang kompleks dan tak terstruktur ke dalam bagian-bagian komponennya. Kemudian menata bagian atau variabel ini dalam suatu susunan hirarki dan memberi nilai numerik pada pertimbangan subjektif tentang relatif pentingnya setiap variabel. Setelah itu mensintesis berbagai pertimbangan ini untuk menetapkan variabel mana yang memiliki prioritas paling tinggi dan bertindak untuk mempengaruhi hasil pada situasi tersebut. Saaty, 1993

2.1.1 Landasan Aksiomatik

AHP memiliki landasan aksiomatik yang terdiri dari: a. Resiprocal Comparison , yang mengandung arti bahwa matriks perbandingan berpasangan yang terbentuk harus bersifat berkebalikan. Misalnya, jika A adalah k kali lebih penting dari pada B maka B adalah 1k kali lebih penting dari A. Universitas Sumatera Utara b. Homogenity , yaitu mengandung arti kesamaan dalam melakukan perbandingan. Misalnya, tidak dimungkinkan membandingkan jeruk dengan bola tenis dalam hal rasa, akan tetapi lebih relevan jika membandingkan dalam hal berat. c. Dependence , yang berarti setiap level mempunyai kaitan complete hierarchy walaupun mungkin saja terjadi hubungan yang tidak sempurna incomplete hierarchy . d. Expectation , yang berarti menonjolkon penilaian yang bersifat ekspektasi dan preferensi dari pengambilan keputusan. Penilaian dapat merupakan data kuantitatif maupun yang bersifat kualitatif.

2.1.2 Prinsip Dasar AHP

Dalam menyelesaikan persoalan dengan Metode AHP, ada beberapa prinsip dasar yang harus dipahami, yakni: a. Decomposition prinsip menyusun hirarki Pengertian decomposition adalah memecahkan atau membagi problem yang utuh menjadi unsur –unsurnya ke dalam bentuk hirarki proses pengambilan keputusan, dimana setiap unsur atau elemen saling berhubungan. Untuk mendapatkan hasil yang akurat, pemecahan dilakukan terhadap unsur-unsur sampai tidak mungkin dilakukan pemecahan lebih lanjut, sehingga didapatkan beberapa tingkatan dari persoalan yang hendak dipecahkan. Struktur hirarki keputusan tersebut dapat dikategorikan sebagai complete dan incomplete . Suatu hirarki keputusan disebut complete jika semua elemen pada suatu tingkat memiliki hubungan terhadap semua elemen yang ada pada tingkat berikutnya Gambar 2.1, sementara pada hirarki keputusan incomplete tidak semua unsur pada masing-masing jenjang mempunyai hubungan. Pada umumnya problem nyata mempunyai karakteristik struktur yang incomplete . Universitas Sumatera Utara Gambar 2.1. Struktur Hirarki AHP Complete b. Comparative Judgement Comparative Judgement dilakukan dengan penilaian tentang kepentingan relatif dua elemen pada suatu tingkat tertentu dalam kaitannya dengan tingkatan di atasnya. Penilaian ini merupakan inti dari AHP karena akan berpengaruh terhadap urutan prioritas dari elemen-elemennya. Hasil dari penilaian ini lebih mudah disajikan dalam bentuk matriks pairwise comparison yaitu matriks perbandingan berpasangan memuat tingkat preferensi beberapa alternatif untuk tiap kriteria. Skala preferensi yang digunakan yaitu skala 1 yang menunjukkan tingkat yang paling rendah equal importance sampai dengan skala 9 yang menunjukkan tingkatan yang paling tinggi extreme importance . c. Synthesis of Priority Synthesis of Priority dilakukan dengan menggunakan eigen vector method untuk mendapatkan bobot relatif bagi unsur-unsur pengambilan keputusan. d. Logical Consistency Logical Consistency merupakan karakteristik penting AHP. Hal ini dicapai dengan mengagresikan seluruh eigen vector yang diperoleh dari berbagai tingkatan hirarki dan selanjutnya diperoleh suatu vector composite tertimbang yang menghasilkan urutan pengambilan keputusan. Objektif Kriteria 2 Kriteria 1 Kriteria i Alternatif 2 Alternatif 1 Alternatif j Universitas Sumatera Utara

2.1.3 Tahapan-tahapan AHP

Tahapan-tahapan pengambilan keputusan dengan Metode AHP adalah sebagai berikut: a. Mendefinisikan masalah dan menentukan solusi yang diinginkan. b. Membuat struktur hirarki yang diawali dengan tujuan umum, dilanjutkan dengan kriteria-kriteria, sub kriteria dan alternatif-alternatif pilihan yang ingin di ranking . c. Membentuk matriks perbandingan berpasangan yang menggambarkan kontribusi relatif atau pengaruh setiap elemen terhadap masing-masing tujuan atau kriteria yang setingkat diatasnya. Perbandingan dilakukan berdasarkan pilihan atau judgement dari pembuat keputusan dengan menilai tingkat tingkat kepentingan suatu elemen dibandingkan elemen lainnya. d. Menormalkan data yaitu dengan membagi nilai dari setiap elemen di dalam matriks yang berpasangan dengan nilai total dari setiap kolom. e. Menghitung nilai eigen vector dan menguji konsistensinya, jika tidak konsisten pengambil data preferensi perlu diulangi. Nilai eigen vector yang dimaksud adalah nilai eigen vector maximum yang diperoleh dengan menggunakan matlab maupun manual. f. Mengulangi langkah c, d, dan e untuk seluruh tingkat hirarki. g. Menghitung eigen vector dari setiap matriks perbandingan berpasangan. Nilai eigen vector merupakan bobot setiap elemen. Langkah ini mensintesis pilihan dan penentuan prioritas elemen-elemen pada tingkat hirarki terendah sampai pencapaian tujuan. h. Menguji konsistensi hirarki. Jika tidak memenuhi dengan CR 0,100 maka penilaian harus diulang kembali.

2.1.4 Menetapkan Prioritas

Langkah pertama dalam menetapkan prioritas elemen-elemen dalam suatu persoalan keputusan adalah dengan membuat perbandingan berpasangan pairwise comparison , yaitu elemen-elemen dibandingkan secara berpasangan terhadap suatu kriteria yang Universitas Sumatera Utara ditentukan. Perbandingan berpasangan ini dipresentasikan dalam bentuk matriks. Skala yang digunakan untuk mengisi matriks ini adalah 1 sampai dengan 9 skala Saaty dengan penjelasan pada tabel di bawah ini: Tabel 2.1 Skala untuk Perbandingan Berpasangan Intensitas Kepentingan Defenisi 1 Equally important sama penting 3 Moderately more important sedikit lebih penting 5 Strongly more important lebih penting 7 Very strongly more important sangat penting 9 Extremely more important mutlak lebih penting 2, 4, 6, 8 Intermediate values nilai yang berdekatan Setelah keseluruhan proses perbandingan berpasangan dilakukan, maka bentuk matriks perbandingan berpasangannya adalah seperti pada Tabel 2.2. Apabila dalam suatu subsistem operasi terdapat n elemen operasi yaitu A 1 , A 2 ,…, A n maka hasil perbandingan dari elemen-elemen operasi tersebut akan membentuk matriks A berukuran n × n sebagai berikut: Tabel 2.2 Matriks Perbandingan Berpasangan A 1 A 2 A n A 1 1 a 12 a 1 n A 2 a 21 1 a 2 n A n a n 1 a n 2 1 Universitas Sumatera Utara Matriks A n × n merupakan matriks reciprocal yang diasumsikan terdapat n elemen yaitu w 1 , w 2 ,…, w n yang akan dinilai secara perbandingan. Nilai perbandingan secara berpasangan antara w i dan w j yang dipresentasikan dalam sebuah matriks , dengan i, j = 1, 2,…, n , sedangkan a ij merupakan nilai matriks hasil perbandingan yang mencerminkan nilai kepentingan A i terhadap A j bersangkutan sehingga diperoleh matriks yang dinormalisasi. Untuk i = j , maka nilai a ij = 1 diagonal matriks, atau apabila antara elemen operasi A i dengan A j memiliki tingkat kepentingan yang sama maka a ij = a ji = 1. Data dari matriks perbandingan berpasangan ini merupakan dasar untuk menyusun vektor prioritas dalam AHP. Bila vektor pembobotan elemen-elemen operasi dinyatakan dengan W , dengan W = w 1 , w 2 ,…, w n , maka intensitas kepentingan elemen operasi A 1 terhadap A 2 adalah , sehingga matriks perbandingan berpasangan dapat dinyatakan sebagai berikut: Tabel 2.3 Matriks Perbandingan Intensitas Kepentingan Elemen Operasi A 1 A 2 A n A 1 A 2 A n Berdasarkan matriks perbandingan berpasangan tersebut dilakukan normalisasi dengan langkah-langkah sebagai berikut: a. Menjumlahkan nilai setiap kolom dalam matriks perbandingan berpasangan: , untuk i, j = 1, 2,…, n . b. Membagi nilai a ij pada setiap kolom dengan jumlah nilai pada kolom: ,untuk i, j = 1, 2,…, n . Universitas Sumatera Utara c. Menjumlahkan semua nilai setiap baris dari matriks yang telah dinormalisasi dan membaginya dengan elemen tiap baris. Hasil pembagian tersebut menunjukkan nilai prioritas untuk masing-masing elemen.

2.1.5 Konsistensi

Dalam penilaian perbandingan berpasangan sering terjadi ketidakkonsistenan dari pendapat preferensi yang diberikan oleh pengambil keputusan. Konsistensi dari penilaian berpasangan tersebut dievaluasi dengan menghitung Consistency Ratio CR . Saaty menetapkan apabila CR ≤ 0,1, maka hasil penilaian tersebut dikatakan konsisten. Formulasi untuk menghitung adalah: . Dimana, CI = Consistency Indeks Indeks Konsistensi dan RI = Random Consistency Index . Formula CI adalah: ; dimana max = nilai maksimum dari eigen value berordo n . Eigen value maksimum didapat dengan menjumlahkan hasil perkalian matriks perbandingan dengan eigen vector utama vektor prioritas dan membaginya dengan jumlah elemen. Nilai CI tidak akan berarti bila tidak terdapat acuan untuk menyatakan apakah CI menunjukkan suatu matriks yang konsisten atau tidak konsisten. Saaty mendapatkan nilai rata-rata Random Index RI seperti pada tabel berikut: Tabel 2.4 Tabel Nilai Random Indeks RI Ordo Matriks 1,2 3 4 5 6 7 8 9 10 11 12 13 RI 0,52 0,89 1,11 1,25 1,35 1,4 1,45 1,49 1,51 1,54 1,56 Universitas Sumatera Utara

2.1.6 Nilai Eigen dan Vektor Eigen

Defenisi. Misalkan A adalah sebarang matriksbujur sangkar. Skalar disebut sebagai nilai eigen dari A jika terdapat vektor kolom bukan-nol v sedemikian rupa sehingga: Sebarang vektor yang memenuhi hubungan ini disebut sebagai vektor eigen dari A yang termasuk dalam nilai eigen . Dicatat bahwa setiap kelipatan skalar kv dari vektor eigen v yang termasuk dalam juga adalah vektor eigen karena: Untuk mencapai nilai eigen dari matriks A yang berukuran n × n, maka dapat ditulis pada persamaan berikut: Atau secara ekuivalen: Agar menjadi nilai eigen, maka harus ada pemecahan tak nol dari persamaan ini. Akan tetapi, persamaan di atas akan mempunyai pemecahan tak nol jika dan hanya jika: Ini dinamakan persamaan karakteristik A , skalar yang memenuhi persamaan ini adalah nilai eigen dari A. Bila diketahui bahwa nilai perbandingan elemen A i terhadap elemen A j adalah a ij , maka secara teoritis matriks tersebut berciri positif berkebalikan, yakni . Bobot yang dicari dinyatakan dalam vektor . Nilai menyatakan bobot kriteria A n terhadap keseluruhan set kriteria pada subsistem tersebut. Universitas Sumatera Utara Jika a ij mewakili derajat kepentingan faktor i terhadap faktor j dan a ik menyatakan derajat kepentingan dari faktor j terhadap faktor k , maka agar keputusan menjadi konsisten, kepentingan i terhadap faktor k harus sama dengan atau jika untuk semua i, j, k . Untuk suatu matriks konsisten dengan vektor w , maka elemen dapat ditulis: Jadi, matriks konsistennya adalah: Seperti yang diuraikan di atas, maka untuk pairwise comparison matrix diuraikan menjadi: Dari persamaan tersebut di atas dapat dilihat bahwa: Dengan demikian untuk matriks perbandingan berpasangan yang konsisten menjadi: Persamaan tersebut ekuivalen dengan bentuk persamaan matriks di bawah ini: Universitas Sumatera Utara Dalam teori matriks, formulasi ini diekspresikan bahwa w adalah eigen vektor dari matriks A dengan nilai eigen n . Perlu diketahui bahwa n merupakan dimensi matriks itu sendiri. Dalam bentuk persamaan matriks dapat ditulis sebagai berikut: Tetapi pada prakteknya tidak dapat dijamin bahwa: Salah satu penyebabnya yaitu karena unsur manusia decision maker tidak selalu dapat konsisten mutlak dalam mengekspresikan preferensi terhadap elemen-elemen yang dibandingkan. Dengan kata lain, bahwa penilaian yang diberikan untuk setiap elemen persoalan pada suatu level hirarki dapat saja tidak konsisten inconsistent .

2.2 Himpunan

Fuzzy Pada tahun 1965, Zadeh memodifikasi teori himpunan dimana setiap anggotanya memiliki derajat keanggotaan yang bernilai kontinu antara 0 dan 1. Himpunan ini disebut dengan Himpunan Kabur Fuzzy Set . Himpunan Fuzzy didasarkan pada gagasan untuk memperluas jangkauan fungsi karakteristik sedemikian hingga fungsi tersebut akan mencakup bilangan real pada interval [0, 1]. Nilai keanggotaannya menunjukkan bahwa suatu item dalam semesta pembicaraan tidak hanya berada pada 0 atau 1, namun juga nilai yang berada diantaranya. Sedangkan dalam himpunan crisp , nilai keanggoataan hanya 2 kemungkinan yaitu 0 atau 1. Jika , maka nilai yang berhubungan dengan a adalah 1. Namun, jika , maka nilai yang berhubungan dengan a adalah 0. Universitas Sumatera Utara Misalkan diketahui klasifikasi sebagai berikut: MUDA umur 35 tahun SETENGAH BAYA 35 ≤ umur ≤ 55 tahun TUA umur 55 tahun Dengan menggunakan pendekatan crisp , amatlah tidak adil untuk menetapkan nilai SETENGAH BAYA. Pendekatan ini bisa saja dilakukan untuk hal-hal yang bersifat diskontinu. Misalkan umur klasifikasi 55 tahun dan 56 tahun sangat jauh berbeda, umur 55 tahun termasuk SETENGAH BAYA, sedangkan umur 56 tahun sudah termasuk TUA. Demikian pula untuk kategori TUA dan MUDA. Dengan demikian pendekatan crisp ini sangat tidak cocok untuk diterapkan pada hal-hal yang bersifat kontinu, seperti umur. Selain itu, untuk menunjukkan suatu unsur pasti termasuk SETENGAH BAYA atau tidak, dan menunjukkan suatu nilai kebenaran 0 atau 1, dapat digunakan nilai pecahan, dan menunjuk 1 atau nilai yang dekat dengan 1 untuk umur 45 tahun, kemudian perlahan menurun menuju ke 0 untuk umur dibawah 35 tahun dan diatas 55 tahun. Terkadang kemiripan antara keanggotaan fuzzy dengan probabilitas menimbulkan kerancuan. Keduanya memiliki interval [0, 1], namun interpretasi nilainya sangat berbeda. Keanggotaan fuzzy memberikan suatu ukuran terhadap pendapat atau keputusan, sedangkan probabilitas mengindikasikan proporsi terhadap keseringan suatu hasil bernilai besar dalam jangka panjang. Kusumadewi, 2004

2.2.1 Fungsi Keanggotaan

Fungsi keanggotaan membership function adalah suatu kurva yang menunjukkan pemetaan titik-titik input data ke dalam nilai keanggotaannya sering juga disebut dengan derajat keanggotaan yang memiliki interval antara 0 sampai 1. Atau dapat dinotasikan sebagai berikut : Untuk x maka µ A x adalah derajat keanggotaan x dalam A. Universitas Sumatera Utara

2.2.2 Bilangan

Fuzzy Triangular Fungsi keanggotaannya adalah sebagai berikut: Berikut akan ditampilkan gambar bilangan fuzzy segitiga Triangular: µ A x 1 a - β a a + β x Gambar 2.2 Bilangan Fuzzy Triangular

2.2.3 Bilangan

Fuzzy Trapezoidal Fungsi keanggotaannya adalah sebagai berikut: Universitas Sumatera Utara Berikut akan ditampilkan gambar bilangan fuzzy trapezoidal: µ A x 1 a – β a b a + β x Gambar 2.3 Bilangan Fuzzy Trapezoidal

2.2.4 Himpunan Penyokong

Support Set Terkadang bagian tidak nol dari suatu himpunan fuzzy ditampilkan dalam domain. Sebagai contoh, domain untuk BERAT adalah 40 kg hingga 60 kg, namun kurva yang ada dimulai dari 42 kg hingga 60 kg. Daerah ini disebut dengan himpunan penyokong support set . Hal ini penting untuk menginterpretasikan dan mengatur daerah fuzzy yang dinamis.

2.2.5 Nilai Ambang Alfa-Cut

Salah satu teknik yang erat hubungannya dengan himpunan penyokong adalah himpunan level- alfa α- cut . Level-alfa ini merupakan nilai ambang batas domain yang didasarkan pada nilai keanggotaan untuk tiap-tiap domain. Himpunan ini berisi semua nilai domain yang merupakan bagian dari himpunan fuzzy dengan nilai keanggota an lebih besar atau sama dengan α. Universitas Sumatera Utara

2.2.6 Operasi-operasi pada Himpunan

Fuzzy Seperti halnya himpunan konvensional, ada beberapa operasi yang didefenisikan secara khusus untuk mengkombinasi dan memodifikasi himpunan fuzzy . Berikut ini ada beberapa operasi logika fuzzy yang didefinisikan oleh Zadeh, yaitu: Interseksi : Union : Komplemen : Karena himpunan fuzzy tidak dapat dibagi dengan tepat seperti halnya dalam himpunan crisp , maka operasi-operasi ini diaplikasikan pada tingkat keanggotaan. Suatu elemen dikatakan menjadi anggota himpunan fuzzy jika: a. Berada pada domain himpunan tersebut. b. Nilai kebenaran keanggotaannya ≥ 0. c. Berada di atas ambang α- cut yang berlaku. Untuk interval [a, b] dan [d, e], maka operasi aritmetik untuk bilangan fuzzy adalah: a. Penjumlahan : [ a, b ] + [ d, e ] = [ a + d, b + e ] b. Perkalian : [ a, b ] . [ d, e ] = [ min ad, ae, bd, be , max ad, ae, bd, be ] c. Pembagian : [ a, b ] [ d, e ] = [ min ad, ae, bd, be , max ad, ae, bd, be ] 2.3 Fuzzy-Analytic Hierarchy Process FAHP Pada dasarnya langkah-langkah dalam Metode fuzzy- AHP adalah hampir sama dengan Metode AHP. Penggunaan AHP dalam problem Multi Criteria Decision Making MCDM sering dikritisi sehubungan dengan kurang mampunya pendekatan ini untuk mengatasi faktor ketidakpresisian yang dialami oleh pengambil keputusan ketika harus memberikan nilai yang pasti dalam pairwise comparison. Untuk menangani ketidakpresisian ini diajukan dengan menggunakan teori fuzzy set . Tidak seperti dalam metode AHP orisinil yang menggunakan skala 1-9 dalam pairwise comparison , fuzzy Universitas Sumatera Utara AHP menggunakan fuzzy numbers . Dengan kata lain fuzzy- AHP adalah metode analisis yang dikembangkan dari Metode AHP orisinil. Dalam pendekatan fuzzy AHP digunakan Triangular Fuzzy Number TFN atau Bilangan Fuzzy Segitiga BFS untuk proses fuzzyfikasi dari matriks perbandingan yang bersifat crisp. Data yang kabur akan dipresentasikan dalam TFN. Setiap fungsi keanggotaan didefenisikan dalam 3 parameter yakni, l, m, dan u, dimana l adalah nilai kemungkinan terendah, m adalah nilai kemungkinan tengah dan u adalah nilai kemungkinan teratas pada interval putusan pengambil keputusan. Nilai l, m, dan u dapat juga ditentukan oleh pengambil keputusan itu sendiri. Tulisan ini mengajukan tiga parameter bilangan fuzzy untuk merepresentasikan skala Saaty 1-9 sesuai dengan tingkat kepentingannya, yakni Alias, 2009: Bilangan kabur segitiga TFN dapat menunjukkan kesubjektifan perbandingan berpasangan atau dapat menunjukkan derajat yang pasti dari kekaburan ketidakpastian. Dalam hal ini variabel linguistik dapat digunakan oleh pengambil keputusan untuk merepresentasikan kekaburan data seandainya ada ketidaknyamanan dengan TFN. TFN dan variabel linguistiknya sesuai dengan skala Saaty ditunjukkan pada tabel berikut Alias, 2009: Universitas Sumatera Utara Tabel 2.5 Tabel Fungsi Keanggotaan Bilangan Fuzzy Defenisi Skala Saaty TFN Equally important sama penting 1 1, 1, 1 Moderately more important sedikit lebih penting 3 2, 3, 4 Strongly more important lebih penting 5 4, 5, 6 Very strongly more important sangat penting 7 6, 7, 8 Extremely more important mutlak lebih penting 9 9, 9, 9 Intermediate Values nilai yang berdekatan 2, 4, 6, 8 1, 2, 3, 3, 4, 5, 5, 6,7 dan 7, 8, 9 Untuk melakukan prioritas lokal dari matriks fuzzy pairwise comparison sudah banyak metode yang dikembangkan oleh para ahli sebelumnya. Dengan mengkombinasikan prosedur AHP dengan operasi aritmetik untuk bilangan fuzzy , prioritas lokal dapat diperoleh dengan menggunakan persamaan berikut Febransyah, 2006: Universitas Sumatera Utara Dimana g i = goal set i = 1, 2, 3, …, n = bilangan kabur segitiga j = 1, 2, 3, ... , m Yang memuat persamaan-persamaan berikut: Dan Perhatikan urutan l, m, u , bahwa letak l selalu berada di bagian kiri, m berada di tengah dan u berada di bagian kanan. Dan l m u , sehingga persamaan 3 menjadi: Sehingga persamaan 1 menjadi: Untuk: l = nilai batas bawah kemungkinan terendah m = nilai yang paling menjanjikan kemungkinan tengah u = nilai batas atas kemungkinan teratas Dimana operasi aritmetik untuk bilangan fuzzy dapat dilihat dari persamaan berikut: 1. 2. 6 Universitas Sumatera Utara 3. Sedangkan prioritas global diperoleh dengan mengalikan bobot setiap kriteria w j dengan nilai evaluasi. Persamaan dapat dituliskan sebagai berikut: 7 Dimana v ij adalah prioritas lokal untuk alternatif i relatif terhadap kriteria j . Nilai defuzzyfikasi diperoleh dengan cara defuzzifying terhadap prioritas global. Untuk TFN , nilai defuzzyfikasi nya dapat diperoleh dari persamaan berikut: Dimana: DP i = nilai defuzzyfikasi = bilangan fuzzy segitiga dari prioritas global Nilai defuzzyfikasi dinormalkan dengan membaginya dengan nilai penjumlahan semua nilai defuzzyfikasi .

2.4 Proses Pengembangan Produk

Kesuksesan ekonomi sebuah perusahaan tergantung pada kemampuan untuk mengidentifikasi kebutuhan pelanggan, kemudian secara tepat menciptakan produk yang dapat memenuhi kebutuhan tersebut dengan biaya yang rendah. Hal ini bukan merupakan tanggung jawab bagian pemasaran atau bagian desain, melainkan tanggung jawab yang melibatkan banyak fungsi dalam suatu perusahaan, sehingga membentuk suatu tim gabungan dari berbagai fungsi untuk bekerja sama dalam proses pengembangan produk. Pengembangan produk merupakan serangkaian aktivitas yang dimulai dari analisis persepsi dan peluang pasar, kemudian diakhiri dengan tahap produksi, penjualan dan pengiriman produk. Salah satu cara berpikir tentang pengembangan produk adalah sebagai kreasi pendahuluan dari sekumpulan alternatif konsep produk dan kemudian mempersempit Universitas Sumatera Utara alternatif-alternatif dan menambah spesifikasi produk sehingga produk dapat diandalkan dan diproduksi ulang dalam sistem produksi. Konsep adalah uraian dari bentuk, fungsi, dan tampilan suatu produk dan biasanya dibarengi dengan sekumpulan spesifikasi, analisis produk-produk pesaing serta pertimbangan ekonomis proyek. Konsep produk adalah perkiraan gambaran dari teknologi, prinsip kerja dan bentuk dari produk. Konsep produk yang dimaksud merupakan gambaran singkat bagaimana produk dapat memuaskan kebutuhan pelanggan yang biasanya diekspresikan sebagai sebuah sketsa model atau bentuk dari produk. Sebagai catatan, kebanyakan fase pengembangan didefenisikan berdasarkan keadaan produk, meskipun proses produksi dan rencana pemasaran, yang merupakan output-output berwujud yang lain, juga turut berproses mengikuti kemajuan pengembangan. Enam fase dalam proses pengembangan secara umum adalah: a. Fase 0: Perencanaan Produk Kegiatan perencanaan sering dirujuk sebagai “ zerofase ” karena kegiatan ini mendahului persetujuan proyek dan proses peluncuran pengembangan produk aktual. b. Fase 1: Pengembangan Konsep Pada fase pengembangan konsep, kebutuhan pasar target diidentifikasi, alternatif konsep-konsep produk dibangkitkan dan dievaluasi, dan satu atau lebih konsep dipilih untuk pengembangan dan percobaan lebih jauh. c. Fase 2: Perancangan Tingkatan Sistem Fase perancangan tingkatan sistem mencakup defenisi arsitektur produk dan uraian produk menjadi subsistem-subsistem serta komponen-komponen. d. Fase 3: Perancangan Detail Fase perancangan detail mencakup spesifikasi lengkap dari bentuk, material, dan toleransi-toleransi dari seluruh komponen unik pada produk dan identifikasi seluruh komponen standar yang dibeli dari pemasok. e. Fase 4: Pengujian dan Perbaikan Fase pengujian dan perbaikan melibatkan kontruksi dan evaluasi dari bermacam-macam versi produksi awal produk. Universitas Sumatera Utara f. Fase 5: Produksi Awal Pada fase produksi awal, produk dibuat dengan menggunakan sistem produksi yang sesungguhnya. Tujuan dari produksi awal ini adalah untuk melatih tenaga kerja dalam memecahkan permasalahan yang mungkin timbul pada proses produksi sesungguhnya. Peralihan dari produksi awal menjadi produksi sesungguhnya biasanya tahap demi tahap. Pada beberapa titik pada masa peralihan ini, produk diluncurkan dan mulai disediakan untuk didistribusikan. Inti dari pengembangan poduk adalah pengembangan konsep. Fase pengembangan konsep membutuhkan integrasi yang sangat baik di antara fungsi- fungsi yang berbeda pada tim pengembangan. Proses pengembangan konsep mencakup kegiatan-kegiatan sebagai berikut: a. Identifikasi kebutuhan pelanggan Sasaran kegiatan ini adalah untuk memahami kebutuhan konsumen dan mengkomunikasikannya secara efektif kepada tim pengembangan. Output dari langkah ini adalah sekumpulan pernyataan kebutuhan pelanggan yang tersusun rapi, diatur dalam hirarki, dengan bobot-bobot kepentingan untuk tiap kebutuhan. Tujuan identifikasi kebutuhan pelanggan adalah: 1. Meyakinkan bahwa produk telah difokuskan terhadap kebutuhan konsumen. 2. Mengidentifikasikan kebutuhan pelanggan yang tersembunyi dan tidak terucapkan latent needs seperti halnya kebutuhan yang eksplisit. 3. Menjadi basis untuk menyusun spesifikasi produk. 4. Menjamin tidak adanya kebutuhan konsumen penting yang terlupakan. 5. Menanamkan pemahaman yang sama mengenai kebutuhan pelanggan di antara anggota tim pengembangan. b. Penetapan spesifikasi target Spesifikasi memberikan uraian yang tepat mengenai bagaimana produk bekerja. Spesifikasi merupakan terjemahan dari kebutuhan pelanggan menjadi kebutuhan secara teknis. Output dari langkah ini adalah suatu daftar spesifikasi target yang terdiri dari suatu metrik besaran, serta nilai-nilai batas dan ideal untuk besaran tersebut. Universitas Sumatera Utara c. Penyusunan konsep Sasaran penyusunan konsep adalah menggali lebih jauh area konsep-konsep produk yang mungkin sesuai dengan kebutuhan pelanggan. Penyusunan konsep mencakup gabungan dari penelitian eksternal, proses pemecahan masalah secara kreatif oleh tim dan penelitian sistematis dari bagian-bagian solusi yang dihasilkan oleh tim. Hasil dari kegiatan ini biasanya terdiri dari 10 sampai 20 konsep. d. Pemilihan konsep Pemilihan konsep merupakan kegiatan di mana berbagai konsep dianalisis dan secara berturut-turut dieliminasi untuk mengidentifikasi konsep yang paling menjanjikan. Proses ini biasanya membutuhkan beberapa iterasi dan mungkin diajukannya tambahan penyusunan dan perbaikan konsep. e. Pengujian konsep Satu atau lebih konsep diuji untuk mengetahui apakah kebutuhan pelanggan telah terpenuhi, memperkirakan potensi pasar dari produk, dan mengidentifikasi beberapa kelemahan yang harus diperbaiki selama proses pengembangan selanjutnya. f. Penentuan spesifikasi akhir Spesifikasi target yang telah ditentukan diawal proses ditinjau kembali setelah proses dipilih dan diuji. Pada tahap ini, tim harus konsisten dengan nilai-nilai besaran spesifik yang mencerminkan batasan-batasan pada konsep produk itu sendiri, batasan-batasan yang diidentifikasi melalui pemodelan secara teknis, serta pilihan antara biaya dan kinerja. g. Perencanaan proyek Pada kegiatan akhir pengembangan konsep ini, tim membuat suatu jadwal pengembangan secara rinci, menentukan strategi untuk meminimisasi waktu pengembangan, dan mengidentifikasi sumber daya yang digunakan untuk menyelesaikan proyek. h. Analisis ekonomi Tim pengembang sering didukung oleh analis keuangan untuk membuat model ekonomis untuk produk baru. Analisis ekonomi digunakan uuntuk memastikan kelanjutan program pengembangan menyeluruh dan memecahkan tawar- Universitas Sumatera Utara menawar spesifik, misalnya antara biaya manufaktur dan biaya pengembangan. i. Analisa produk-produk pesaing Pemahaman pengenai produk-produk pesaing adalah penting untuk menentukan posisi produk baru yang berhasil dan dapat menjadi sumber ide yang kaya untuk rancangan produk dan proses produksi. j. Pemodelan dan pembuatan prototype Pemodelan dan pembuatan proptotipe mencakup model pembuktian konsep, yang akan membantu tim pengembangan dalam menunjukkan kelayakan model “hanya bentuk” dapat ditunjukkan kepada pelanggan untuk mengevaluasi keergonomisan dan gaya, sedangkan model lembar kerja adalah untuk pilihan teknis. Ulrich, 2001

2.5 Pemilihan Konsep Produk Sebagai Bagian Penting dari Proses