Pengujian Implementasi Analytical Hierarchy Process Dan Algoritma Gale-Shapley Untuk Pemilihan Presidium Departemen UKMI AL-Khuwarizmi

4.2. Pengujian

Pada tahap ini, sistem akan dianalisis atau dihitung secara manual apakah sistem ini berjalan sesuai yang diharapkan atau tidak. 4.2.1. Pengujian proses AHP Dalam proses AHP, ada tiga proses perhitungan yang dilakukan, yaitu : 1. Perhitungan eigen vector kriteria Kriteria yang digunakan dalam proses AHP adalah : a. IMK b. Usia Mentoring c. Training Pengurus d. Hafalan Al-Quran e. Jumlah Kelompok Mentoring Matriks nilai kriteria yang telah dimasukkan adalah : 1.0000 3.0000 2.0000 4.0000 2.0000 0.3300 1.0000 0.3300 0.5000 0.3300 0.5000 3.0000 1.0000 2.0000 3.0000 0.2500 2.0000 0.5000 1.0000 2.0000 0.5000 3.0000 0.3300 0.5000 1.0000 Jumlah setiap kolom : Kolom 1 : 2.58 Kolom 2 : 12 Kolom 3 :4.16 Kolom 4 :8 Kolom 5 : 8.33 Setiap cell dibagi dengan jumlah kolom masing-masing, hasilnya adalah : 0.3876 0.2500 0.4808 0.5000 0.2401 0.1279 0.0833 0.0793 0.0625 0.0396 0.1938 0.2500 0.2404 0.2500 0.3601 0.0969 0.1667 0.1202 0.1250 0.2401 0.1938 0.2500 0.0793 0.0625 0.1200 Universitas Sumatera Utara Eigen vector = _ _ _ kriteria kolom jumlah baris setiap jumlah 0.3717 0.0785 0.2589 0.1498 0.1411 Dari hasil eigen vector di atas, dapat dilihat bahwa kriteria IMK merupakan prioritas pertama dengan nilai eigen tertinggi, yaitu 0.3717. Sedangkan usia mentoring merupakan prioritas terakhir dengan nilai eigen terendah, yaitu 0.0785 2. Perhitungan eigen vector alternatif Alternatif sementara yang dimasukkan dalam proses AHP ini adalah a. Amat Baik b. Baik c. Cukup d. Kurang Matriks nilai alternatif yang telah dimasukkan adalah : 1.0000 2.0000 3.0000 4.0000 0.5000 1.0000 2.0000 3.0000 0.3300 0.5000 1.0000 2.0000 0.2500 0.3300 0.5000 1.0000 Jumlah setiap kolom : Kolom 1 : 2.08 Universitas Sumatera Utara Kolom 2 : 3.83 Kolom 3 : 6.5 Kolom 4 : 10 Setiap cell dibagi dengan jumlah kolom masing-masing, hasilnya adalah : 0.4808 0.5222 0.4615 0.4000 0.2404 0.2611 0.3077 0.3000 0.1587 0.1305 0.1538 0.2000 0.1202 0.0862 0.0769 0.1000 Eigen vector = jumlah setiap baris jumlah kolom 0.4661 0.2773 0.1608 0.0958 Tiap eigen vector dibagi dengan nilai eigen yang terbesar, hasilnya adalah : 1.0001 0.5949 0.3449 0.2056 Lalu nilai eigen di atas dimasukkan ke matriks nilai eigen untuk 20 alternatif, hasilnya adalah : 0.3459 0.2061 0.3459 0.3459 0.5951 1.0000 1.0000 0.3459 0.5951 0.5951 0.5951 0.5951 1.0000 0.3459 1.0000 Universitas Sumatera Utara 1.0000 1.0000 0.5951 1.0000 0.3459 0.5951 0.5951 0.5951 0.5951 1.0000 0.3459 0.3459 0.2061 0.3459 0.3459 0.5951 1.0000 1.0000 0.3459 0.3459 0.3459 0.3459 0.3459 0.2061 0.5951 1.0000 1.0000 1.0000 1.0000 1.0000 0.3459 0.5951 0.3459 0.3459 0.3459 1.0000 0.2061 1.0000 0.5510 0.3459 0.3459 1.0000 0.5951 1.0000 0.3459 0.5951 0.5951 0.3459 1.0000 1.0000 0.5951 0.3459 0.5951 0.5951 0.3459 1.0000 0.3459 1.0000 0.3459 0.2061 0.3459 0.5951 0.3459 0.3459 0.2061 0.5951 0.3459 0.5951 0.5951 0.5951 0.2061 0.3459 1.0000 0.3459 0.5951 0.2061 0.2061 0.3459 1.0000 1.0000 0.5951 1.0000 1.0000 0.5951 0.3459 Kolom I : eigen vector 20 alternatif untuk kriteria IMK Kolom II : eigen vector 20 alternatif untuk kriteria Usia Mentoring Kolom III : eigen vector 20 alternatif untuk kriteria Training Pengurus Kolom IV : eigen vector 20 alternatif untuk kriteria Hafalan Al-Quran Kolom V : eigen vector 20 alternatif untuk kriteria Jumlah Kelompok Mentoring Universitas Sumatera Utara 3. Perhitungan eigen vector akhir Eigen vector akhir = eigen vector kriteria eigen vector alternatif Hasil : 0.3699 0.7130 0.7184 0.8040 0.6518 0.3098 0.6584 0.3595 1.0000 0.3653 0.7783 0.5606 0.6490 0.5408 0.7384 0.3458 0.5757 0.4975 0.4740 0.6963 Dari nilai eigen vector di atas, dapat kita simpulkan bahwa : 0.3699 : eigen vector Ali 0.7130 : eigen vector Andika 0.7184 : eigen vector Yusuf 0.8040 : eigen vector Atika 0.6518 : eigen vector Fitri 0.3098 : eigen vector Dina 0.6584 : eigen vector Antasari 0.3595 : eigen vector Ida Universitas Sumatera Utara 1.0000 : eigen vector Winda 0.3653 : eigen vector Anisa 0.7783 : eigen vector Siddiq 0.5606 : eigen vector Nur 0.6490 : eigen vector Lily 0.5408 : eigen vector Dani 0.7384 : eigen vector Ardan 0.3458 : eigen vector Zahra 0.5757 : eigen vector Windi 0.4975 : eigen vector Cut 0.4740 : eigen vector Agung 0.6963 : eigen vector Arif Alternatif yang memiliki nilai eigen vector tertinggi adalah a. Winda b. Atika c. Siddiq d. Ardan e. Yusuf 4.2.2. Pengujian proses Gale-Shapley 1. Urutan preference list Calon Presidium Winda : Syiar, KW, Kaderisasi, Akkom, LSO-IT Atika : Kaderisasi, LSO-IT, KW, Syiar, Akkom Siddiq : KW, Syiar, LSO-IT, Kaderisasi, Akkom Ardan : KW, LSO-IT, Akkom, Kaderisasi, Syiar Yusuf : Kaderisasi, Syiar, KW, Akkom, LSO-IT 2. Urutan preference list Departemen Kaderisasi : Yusuf, Atika, Siddiq, Winda, Ardan Syiar : Siddiq, Atika, Winda, Ardan, Yusuf KW : Atika, Siddiq, Ardan, Winda, Yusuf Akkom : Ardan, Atika, Siddiq, Yusuf, Winda LSO-IT : Winda, Atika, Siddiq, Ardan, Yusuf Universitas Sumatera Utara 3. Proses Gale-Shapley Putaran I : Winda memilih Syiar Syiar menerima Winda Atika memlih Kaderisasi Kaderisasi menerima Atika Siddiq memilih KW KW menerima Siddiq Ardan memilih KW KW menolak Ardan Yusuf memilih Kaderisasi Kaderisasi memilih Yusuf Kaderisasi menolak Atika Putaran II : Ardan memilih LSO-IT LSO-IT menerima Ardan Atika memilih LSO-IT LSO-IT menerima Atika LSO-IT menolak Ardan Putaran III : Ardan memilih Akkom Akkom menerima Ardan 4. Pasangan stabil yang terbentuk adalah : Kaderisasi : Yusuf Syiar : Winda KW : Siddiq Akkom : Ardan LSO-IT : Atika Universitas Sumatera Utara BAB V KESIMPULAN DAN SARAN

5.1. Kesimpulan