Perhitungan Bobot Parsial dan Konsistensi Matriks

Perhitungan rata-rata pembobotan untuk kritetria people dapat dilihat pada contoh responden 1 yakni pada Tabel 5.36 sebagai berikut: Tabel 5.36. Perhitungan Rata-rata Pembobotan Kriteria People E1 E2 E1 1.000 5.000 E2 0.200 1.000 Perhitungan rata-rata pembobotan untuk kritetria process dapat dilihat pada contoh responden 1 yakni pada Tabel 5.37 sebagai berikut: Tabel 5.37. Perhitungan Rata-rata Pembobotan Kriteria Process G1 G2 G1 1.000 0.333 G2 3.000 1.000

5.3. Perhitungan Bobot Parsial dan Konsistensi Matriks

Perhitungan bobot parsial dilakukan untuk mendapatkan suatu nilai bobot yang akan digunakan untuk mengetahui relatif nilai suatu kriteria dengan kriteria lainnya. Konsistensi matriks dihitung untuk melihat apakah jawaban yang diberikan oleh pakar dinilai konsisten atau tidak konsisten. Perhitungan rasio konsistensi menggunakan rumus-rumus sebagai berikut : a. Perhitungan Rasio Konsistensi = Matriks Perhitungan Rata-rata Pembobotan x Vektor Bobot tiap baris b. Perhitungan Konsistensi Vektor = Rasio Konsistensi Bobot Parsial tiap baris Universitas Sumatera Utara c. Rata-rata entri maks λ maks λ = n iVektor Konsistens n 1 i ∑ = d. Consistency Index CI 1 n n CI maks − − λ = e. Consistency Ratio CR Index y Consistenc Random CI CR = Di mana jawaban responden akan konsisten jika CR ≤ 0.1, dengan Random Index n=7 adalah 1.35 dan n=3 adalah 0.58 diperoleh dari Tabel Random Index. Sebelum melakukan perhitungan consistency ratio, perlu dihitung terlebih dahulu bobot masing-masing elemen pada semua kriteria maupun alternatif kriteria. Rekapitulasi perhitungan bobot elemen kriteria dapat dilihat pada Tabel 5.38. Tabel 5.38. Penjumlahan Matriks Banding Berpasangan Antar Kriteria A B C D E F G A 1,000 0,760 0,180 2,149 0,760 0,669 0,398 B 1,316 1,000 0,177 2,280 0,386 0,439 0,333 C 5,544 5,664 1,000 5,916 3,409 3,344 2,943 D 0,465 0,439 0,184 1,000 0,218 0,333 0,227 E 1,316 2,590 0,508 4,583 1,000 3,722 1,000 F 1,495 2,280 0,411 3,000 0,269 1,000 0,889 G 2,515 3,000 0,299 4,401 1,000 1,125 1,000 Jumlah 13,652 15,732 2,759 23,328 7,041 10,632 6,790 Universitas Sumatera Utara Berikutnya, dibagi masing-masing angka di setiap sel dengan jumlah kolom masing-masing dan menghasilkan matriks normalisasi dimana angka di setiap kolom berjumlah 1 satu. Sementara bobotnya diperoleh dengan menghitung rata-rata setiap baris yang didapat dengan cara menjumlahkan dan membaginya dengan jumlah data. Misalnya : A 11 = 1.00013.652 = 0.073 Bobot Baris 1 = 0.073+0.048+...+0.0597 = 0.073 Perhitungan ini dilakukan pada setiap sel, sehingga didapatkan rekapitulasi seperti ditunjukkan pada Tabel 5.39. Tabel 5.39. Matrik Normalisasi dan Rata-rata Baris untuk Kriteria A B C D E F G Bobot A 0,073 0,048 0,065 0,092 0,108 0,063 0,059 0,073 B 0,096 0,064 0,064 0,098 0,055 0,041 0,049 0,067 C 0,406 0,360 0,362 0,254 0,484 0,315 0,433 0,373 D 0,034 0,028 0,067 0,043 0,031 0,031 0,033 0,038 E 0,096 0,165 0,184 0,196 0,142 0,350 0,147 0,183 F 0,110 0,145 0,149 0,129 0,038 0,094 0,131 0,114 G 0,184 0,191 0,108 0,189 0,142 0,106 0,147 0,152 Jumlah 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 Perhitungan Rasio Konsistensi CR : 1,000 0,760 0,180 2,149 0,760 0,669 0,398 x 0,073 = 0,548 1,316 1,000 0,177 2,280 0,386 0,439 0,333 0,067 0,487 5,544 5,664 1,000 5,916 3,409 3,344 2,943 0,373 2,832 0,465 0,439 0,184 1,000 0,218 0,333 0,227 0,038 0,282 1,316 2,590 0,508 4,583 1,000 3,722 1,000 0,183 1,391 1,495 2,280 0,411 3,000 0,269 1,000 0,889 0,114 0,827 2,515 3,000 0,299 4,401 1,000 1,125 1,000 0,152 1,126 Universitas Sumatera Utara Perhitungan konsistensi vektor 0,548 : 0,073 = 7,550 0,487 0,067 7,295 2,832 0,373 7,583 0,282 0,038 7,394 1,391 0,183 7,603 0,827 0,114 7,280 1,126 0,152 7,385 7.442 7 385 . 7 ... 295 . 7 7.550 = + + + = maks Z dimana 1 n n Zmaks CI − − = dan Index y Consistenc Random CI CR = dengan Random Index RI dengan n = 7 adalah 1.35 diperoleh dari Tabel Random Index. Jika CR ≤ 0.1 maka jawaban responden konsisten. 074 . 1 7 7 442 . 7 = − − = CI 066 . 35 . 1 074 . = = CR Karena CR ≤ 0.1 maka jawaban responden konsisten. Perhitungan yang sama dilakukan pada semua elemen alternatif dari kriteria. Rekapitulasinya dapat dilihat pada Tabel 5.40 Tabel 5.40. Rekapitulasi Perhitungan CR Elemen n CI RI CR Keterangan Kriteria 7 0.074 1.35 0.055 Konsisten A : Produk 3 0.047 0.58 0.081 Konsisten B : Place 2 - - - 2 Elemen C : Promotion 3 0.002 0.58 0.032 Konsisten D : Price 2 - - - 2 Elemen E : People 2 - - - 2 Elemen F : Physical Evidence 1 - - - 1 Elemen G : Process 2 - - - 2 Elemen Universitas Sumatera Utara Dari Tabel 5.40 dapat dilihat bahwa ada beberapa elemen tidak dilakukan perhitungan, hal ini karena hanya ada 2 elemen dalam alternatif tersebut sehingga tidak diperlukan perhitungan konsistensi. Dari Tabel 5.40 juga dapat disimpulkan bahwa semua jawaban pakar terhadap kriteria maupun alternatif adalah konsisten.

5.4. Penyusunan Supermatriks

Dokumen yang terkait

Implementasi Metode Preference Rangking Organizational Method For Enrichment Evaluation (Promethee)Untuk Penentuan Kinerja Dosen (Studi Kasus : Fakultas Farmasi USU)

7 42 182

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 Algoritma K-Nearest Neighbor Dan Metode Topsis Dalam (Technique For Orders Preference By Similarity To Ideal Solution) Dalam Penentuan Mutu Beras Miskin (Studi Kasus: Bulog Aceh)

13 70 123

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

PENERAPAN METODE ANALYTIC NETWORK PROCESS (ANP) DAN TECHNIQUE FOR ORDER PREFERENCE BY SIMILARITY TO IDEAL SOLUTION (TOPSIS) DALAM PEMILIHAN SUPPLIER: Studi Kasus PT. Industri Telekomunikasi Indonesia, Bandung.

9 32 31

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SMARTWATCH MENGGUNAKAN METODE TECHNIQUE FOR ORDER PREFERENCE BY SIMILARITY TO IDEAL SOLUTION (TOPSIS).

1 1 4

Aplikasi Metode ANP (Analytic Network Process) dan TOPSIS (Technique for Order Preference by Similarity to Ideal Solution) Untuk Pengambilan Keputusan Alternatif Pemasaran Terbaik Pada Hotel Citi Inn Medan

0 1 38

BAB II GAMBARAN UMUM PERUSAHAAN - Aplikasi Metode ANP (Analytic Network Process) dan TOPSIS (Technique for Order Preference by Similarity to Ideal Solution) Untuk Pengambilan Keputusan Alternatif Pemasaran Terbaik Pada Hotel Citi Inn Medan

0 0 11

BAB I PENDAHULUAN - Aplikasi Metode ANP (Analytic Network Process) dan TOPSIS (Technique for Order Preference by Similarity to Ideal Solution) Untuk Pengambilan Keputusan Alternatif Pemasaran Terbaik Pada Hotel Citi Inn Medan

0 0 9

APLIKASI METODE ANP (ANALYTIC NETWORK PROCESS) DAN TOPSIS (TECHNIQUE FOR ORDER PREFERENCE BY SIMILARITY TO IDEAL SOLUTION) UNTUK PENGAMBILAN KEPUTUSAN ALTERNATIF PEMASARAN TERBAIK PADA HOTEL CITI INN MEDAN TUGAS SARJANA Diajukan Untuk Memenuhi Sebagian Da

1 2 17