Perhitungan Faktor Evaluasi Untuk Kriteria BiayaPenanamanPerawatan

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 kriteria program pemerintah adalah konsisten. Dari hasil perhitungan pada tabel 3.9 diperoleh urutan komoditas unggulan untuk kriteria program pemerintahyakni ubi jalar, kopi dan jeruk menjadi unggulan pertama dengan nilai bobot yang sama 0,231 atau 23,1, kemudian kentang, kubis, cabe, dan tomat dengan bobot yang sama 0,077 atau 7,7.

3.5 Perhitungan Faktor Evaluasi Untuk Kriteria BiayaPenanamanPerawatan

Hasil analisis preferensi gabungan dari 60 responden untukperbandingan berpasangankriteria biaya penanamanperawatan 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. Hasil gabungan responden menunjukkan bahwa komoditas kubis 2 kali lebih baik dari kentang, ubi jalar 7 kali lebih baik dari kentang, kopi 6 kali lebih baik dari kentang.Selengkapnya diperoleh hasil preferensi dalam matriks resiprokal seperti tabel 3.10. Tabel 3.10 Matriks Faktor Evaluasi untuk Kriteria Untuk Kriteria Biaya PenanamanPerawatan a b c d e f g a 1 1 3 b 3 1 3 3 5 c 2 1 3 4 d 1 1 2 e 7 5 6 7 1 2 7 f 6 4 5 6 1 6 g 1 Universitas Sumatera Utara Matriks perbandingan berpasangan pada tabel 3.10 adalah Hasil analisis preferensi gabungan dari 60 responden dengan cara menghitung rata-rata geometri untuk setiap perbandingan berpasangan antar alternatif menurut kriteria biaya penanamanperawatan. Perhitungan matriks untuk perbandingan antar alternatif selanjutnyaadalah menyederhanakan matriks perbandingan pembobotan. Setelah matriks disederhanakan selanjutnya menjumlahkan setiap kolom, hasilnya seperti tabel 3.11. Tabel 3.11 Matriks Faktor Evaluasi untuk Kriteria Biaya PenanamanPerawatan yang Disederhanakan Dengan unsur-unsur pada tiap kolom dibagi dengan jumlah total pada kolom yang bersangkutan, akan diperoleh bobot relatif yang dinormalkan.Perhitungan untuk menormalkan matriks yang disederhanakan diformulasikan sebagai berikut: pada matriks yang dinormalkan dihasilkan dari pada matriks yang disederhanakan dibagi jumlah kolom 1 a, pada matriks yang dinormalkan dihasilkan dari pada matriks yang disederhanakan dibagi jumlah kolom 2 b dan seterusnya.Nilai vektor eigen dihasilkan dari rata-rata nilai bobot relatif untuk tiap baris, hasilnya seperti pada tabel 3.12. a b c d e f g a 1,000 0,333 0,500 1,000 0,143 0,167 3,000 b 3,000 1,000 3,000 3,000 0,200 0,250 5,000 c 2,000 0,333 1,000 3,000 0,167 0,200 4,000 d 1,000 0,333 0,333 1,000 0,143 0,167 2,000 e 7,000 5,000 6,000 7,000 1,000 2,000 7,000 f 6,000 4,000 5,000 6,000 0,500 1,000 6,000 g 0,333 0,200 0,250 0,500 0,143 0,167 1,000 ∑ 20,333 11,200 16,083 21,500 2,295 3,950 28,000 Universitas Sumatera Utara Tabel 3.12 Matriks Faktor Evaluasi untuk Kriteria Biaya PenanamanPerawatan yang Dinormalkan Selanjutnya nilai eigen maksimum didapat dengan menjumlahkan hasil perkalian jumlah kolom dengan vektor eigen. Nilai eigen maksimum yang dapat diperoleh adalah: 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 preferensi responden adalah konsisten. Dari hasil perhitungan pada tabel 3.12 diperoleh urutan komoditas unggulan untuk kriteria biaya penanamanperawatan yakni ubi jalar menjadi unggulan pertama dengan nilai bobot 0,383 atau 38,3, kemudian kopi dengan bobot 0,275 atau 27,5 , kubis dengan bobot 0,127 atau 12,7 , cabe dengan bobot 0,085 atau 8,5 , kentang dengan bobot 0,053 atau 5,3 , tomat dengan bobot 0,046 atau 4,6 , dan yang terakhir jeruk dengan bobot 0,030 atau 3 . a b c d e f g Vector eigen A 0,049 0,030 0,031 0,047 0,062 0,042 0,107 0,053 B 0,148 0,089 0,187 0,140 0,087 0,063 0,179 0,127 C 0,098 0,030 0,062 0,140 0,073 0,051 0,143 0,085 D 0,049 0,030 0,021 0,047 0,062 0,042 0,071 0,046 E 0,344 0,446 0,373 0,326 0,436 0,506 0,250 0,383 F 0,295 0,357 0,311 0,279 0,218 0,253 0,214 0,275 G 0,016 0,018 0,016 0,023 0,062 0,042 0,036 0,030 Universitas Sumatera Utara

3.6 Perhitungan Faktor Evaluasi Untuk Kriteria Daya Tahan Terhadap CuacaPenyakit

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