1 1 1, 32 23, 1, 2 32, 2 12, 23, 1 2, 52 25, 12, 23 5 3 13, 25, 12 3, 72 27, 13, 25 72, 4 14, 27, 13 4, 92 29, 14, 27 92, 92 29, 29, 14 Fuzzy Analytical Hierarchy Process

himpunan linguistik. Jadi, bilangan pada tingkat intensitas kepentingan pada AHP ditransformasikan ke dalam himpunan skala TFN. Bilangan fuzzy adalah sebuah fuzzy subset dari bilangan real, menyatakan pengembangan konsep rentang kepercayaan. Sebuah Triangular Fuzzy Number TFN memiliki ciri-ciri dasar seperti di bawah ini. Sebuah bilangan fuzzy à pada 3 adalah TFN bila fungsi keanggotaannya μAx : 3 [0,1] adalah sama dengan: μ à x = { x-L M-L ,L≤x≤M U-x U-M ,M≤x≤U 0, lainnya } Di mana L dan U adalah batas bawah dan batas atas bilangan fuzzy Ã, sedangkan M adalah nilai tengah. TFN dapat dinotasikan dengan à = L,M,U, dan berikut adalah hukum operasi pada dua TFN Ã1 = L1,M1,U1 dan Ã2 = L2,M2,U2. Chang 1996 mendefinisikan nilai intensitas AHP ke dalam skala fuzzy segitiga yaitu membagi tiap himpunan fuzzy dengan 2, kecuali untuk intensitas kepentingan 1. Skala fuzzy segitiga yang digunakan Chang dapat dilihat pada Tabel 3.3 berikut ini. Tabel 3.3. Fungsi Keanggotaan Skala Linguistik Bilangan Fuzzy Intensitas Kepentingan AHP Himpunan Linguistik Triangular Fuzzy Number TFN Reciprocal Kebalikan 1 Perbandingan elemen yang sama Just Equal 1, 1, 1 1, 1, 1 Universitas Sumatera Utara Tabel 3.3. Fungsi Keanggotaan Skala Linguistik Bilangan Fuzzy Lanjutan Intensitas Kepentingan AHP Himpunan Linguistik Triangular Fuzzy Number TFN Reciprocal Kebalikan 2 Pertengahan Intermediate

12, 1, 32 23, 1, 2

3 Elemen satu cukup penting dari yang lainnya moderately important

1, 32, 2 12, 23, 1

4 Pertengahan Intermediate elemen satu lebih cukup penting dari yang lainnya

32, 2, 52 25, 12, 23

5 Elemen satu kuat pentingnya dari yang lain Strongly Important 2, 52, 3 13, 25, 12 6 Pertengahan Intermediate

52, 3, 72 27, 13, 25

7 Elemen satu lebih kuat pentingnya dari yang lain Very Strong

3, 72, 4 14, 27, 13

8 Pertengahan Intermediate

72, 4, 92 29, 14, 27

9 Elemen satu mutlak lebih penting dari yang lainnya Extremely Strong

4, 92, 92 29, 29, 14

Berikut ini ditunjukkan gambar dari representasi Triangular Fuzzy Number dapat dilihat pada Gambar 3.3. Universitas Sumatera Utara 1 1 3 5 7 9 Sedikit lebih penting Jelas lebih penting Sangat nyata lebih penting Mutlak lebih penting μ x Sama penting Gambar 3.3. Representasi Triangular Fuzzy Number Langkah-langkah dalam penentuan bobot tingkat kepentingan kriteria dan alternatif ternormalisasi menggunakan TFN adalah sebagai berikut. 1. Melakukan perbandingan berpasangan menggunakan fuzzy TFN 2. Menentukan tingkat kepentingan dengan menghitung rata-rata geometrik pada setiap baris 3. Normalisasi dengan cara sebagai berikut: a. Nilai bawah dibagi dengan jumlah nilai atas b. Nilai atas dibagi dnegan jumlah nilai bawah c. Nilai tengah dibagi dengan jumlah dari nilai tengah Tahapan pengolahan data dengan menggunakan Fuzzy AHP adalah sebagai berikut. 1. Uji konsistensi terhadap penilaian yang didapat dari hasil kuesioner AHP 2. Konversi data linguistik penilaian yang konsisten ke dalam bilangan fuzzy 3. Menentukan tingkat kepentingan kriteria dan normalisasinya 4. Melakukan defuzzifikasi tingkat kepentingan kriteria 5. Menentukan bobot alternatif untuk setiap kriteria dan normalisasinya 6. Menentukan defuzzifikasi dari bobot alternatif untuk setiap kriteria Universitas Sumatera Utara 7. Menentukan peringkat alternatif dengan menghitung vektor eigen menggunakan angka crisp.

3.4.5. C hang’s Extent Analysis