Analisis Metode Fuzzy Analytic Hierarchy Process (Fahp) Dalam Menentukan Posisi Jabatan

ANALISIS METODE

FUZZY

ANALYTIC HIERARCHY PROCESS

(FAHP)

DALAM MENENTUKAN POSISI JABATAN

TESIS

MARISCHA ELVENY 117038080

PROGRAM STUDI (S2) TEKNIK INFORMATIKA

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS SUMATERA UTARA

MEDAN

2013

ANALISIS METODE

FUZZY

ANALYTIC HIERARCHY PROCESS

(FAHP)

DALAM MENENTUKAN POSISI JABATAN

TESIS

Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Magister Teknik Informatika

MARISCHA ELVENY 117038080

PROGRAM STUDI (S2) TEKNIK INFORMATIKA

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS SUMATERA UTARA

MEDAN

2013

PERSETUJUAN

JUDUL : Analisis Metode FuzzyAnalytic

Hierarchy Process (Fahp) Dalam Menentukan Posisi Jabatan

NAMA : Marischa Elveny

NOMOR INDUK MAHASISWA : 117038080

PROGRAM STUDI : Magister Teknik Informatika

FAKULTAS : Ilmu Komputer Dan Teknologi Informasi Universitas Sumatera Utara

Komisi Pembimbing :

Pembimbing 2 Pembimbing 1

Dr. Zakarias Situmorang Prof. Dr. Tulus, M.Si

Diketahui/disetujui oleh

Program Studi Magister (S2) Teknik Informatika Ketua,

Prof. Dr. H. Muhammad Zarlis NIP : 195 07011 1986 011 003

PERNYATAAN

ANALISIS METODE FUZZYANALYTIC HIERARCHY PROCESS (FAHP) DALAM MENENTUKAN POSISI JABATAN

TESIS

Saya mengakui bahwa tesis ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.

Medan, 19 Desember 2013

Marischa Elveny 117038080

PERNYATAAN PERSETUJUAN PUBLIKASI KARYA ILMIAH UNTUK KEPENTINGAN

AKADEMIS

Sebagai sivitas akademika Universitas Sumatera Utara, saya yang bertanda tangan dibawah ini:

Nama : Marischa Elveny

NIM : 117038080

Program Studi : Teknik Informatika

Demi pengembangan ilmu pengetahuan, menyetujui untuk memberikan kepada Universitas Sumatera Utara Hak Bebas Royalti Non-Eksklusif (Non-Exclusive Royalty Free Right) atas tesis saya yang berjudul:

ANALISIS METODE FUZZYANALYTIC HIERARCHY PROCESS (FAHP) DALAM MENENTUKAN POSISI JABATAN

Beserta perangkat yang ada (jika diperlukan). Dengan Hak Bebas Royalti Non-Eksklusif ini, Universitas Sumatera Utara berhak menyimpan, mengalih media, memformat, mengelola dalam bentuk database, merawat dan mempublikasikan tesis saya tanpa meminta izin dari saya selama tetap mencantumkan nama saya sebagai penulis dan sebagai pemegang dan/ atau sebagai pemilik hak cipta.

Demikian pernyataan ini dibuat dengan sebenarnya.

Medan, 19 Desember 2013

Marischa Elveny 117038080

Telah diuji pada

Tanggal: 19 Desember 2013

PANITIA PENGUJI TESIS

Ketua : Prof. Dr.Tulus,M.Si

Anggota : 1. Dr. Zakarias Situmorang 2. Prof. Dr. Herman Mawengkang 3. Prof. Dr. Muhammad Zarlis 4. Dr. Marwan Ramli

RIWAYAT HIDUP

DATA PRIBADI

Nama Lengkap : Marischa Elveny

Tempat dan Tanggal Lahir : Penyabungan, 27 Maret 1990 Alamat Rumah : Jl. Karya Jaya Gg.eka wahid No. 12 Telepon/ Faks/ HP : -/ -/ 085761144406

E-mail : marischaelveny@ymail.com

Instansi Tempat Bekerja : STTH MEDAN Alamat Kantor : JLH.M Johni Medan DATA PENDIDIKAN

SD : Al-Azhar Medan TAMAT: 1999

SMP : Harapan 1 Medan TAMAT: 2004

SMA : SMA N 2 Medan TAMAT: 2007

S1 : Universitas Sumatera Utara TAMAT: 2011 S2 : Universitas Sumatera Utara TAMAT: 2013

KATA PENGANTAR

Puji dan syukur penulis panjatkan kehadirat Tuhan Yang Maha Esa atas berkat, rahmat dan karunianya berupa pengetahuan, kesehatan dan kesempatan yang diberikan kepada penulis sehingga dapat menyelesaikan tesis dengan judul

“ANALISIS METODE FUZZY ANALYTIC HIERARCHY PROCESS (FAHP)DALAM MENENTUKAN POSISI JABATAN”.

Dalam penyusunan untuk menyelesaikan tesis ini , penulis banyak mendapati pelajaran yang besar, baik berupa saran maupun nasehat dari berbagai pihak terutama dari dosen pembimbing serta dari dosen pembanding, sehingga pengerjaan tesis ini dapat diselesaikan dengan baik. Tidak lepas dari dukungan orang tua, yang juga telah banyak memberikan bantuan sehingga penulis dapat sampai pada tahap penyelesaian TESIS ini.

Untuk itu penulis ingin menyampaiakan ucapan terimakasih yang sebesar– besarnya kepada :

1. Kedua Orangtua saya yang bernama Isman dan marita Yetti ibunda tercinta yang telah memberikan kasih sayangnya, serta doa yang tak pernah putus, serta dukungan yang besar kepada saya sehingga dapat menyelesaikan tesis ini dengan baik.

2. Bapak Prof. Dr. Tulus, selaku Pembimbing I, yang telah bersedia memberikan bimbingan serta pengarahan hingga terselesaikannya penulisan tesis ini

3. Bapak Dr. Zakarias Situmorang selaku Dosen Pembimbing II, yang telah bersedia memberikan bimbingan serta pengarahan hingga selesainya penulisan tesis ini.

4. Bapak Prof. Dr. Muhammad Zarlis, selaku Ketua Program Studi Pascasarjana Teknik Informatika Fakultas Ilmu Komputer dan Teknologi Informasi Sumatera Utara Medan yang telah bersedia memberikan motivasi serta pengarahan hingga selsesainya penulisan tesis ini.

ix

5. Bapak Prof. Dr. Herman Mawengkang, yang telah bersedia memberikan pengarahan hingga terselesesaikannya penulisan tesis ini. 6. Bapak Dr. Marwan Ramli, yang telah bersedia memberikan saran dan

pengarahan hingga terselesesaikannya penulisan tesis ini.

7. Segenap sivitas akademika Program Studi Pascasarjana Teknik Informatika Sumatera Utara.

8. Rahmad syah S.Kom, M.Kom yang telah banyak membantu dalam pengerjaan tesis ini, serta memberikan dukungan dan semangat hingga terselesaikannya penulisan tesis ini.

9. Rekan seperjuangan Angkatan 2011 Kom-C yang telah memberikan dukungan dalam penyelesaian tesis ini.

Penulis menyadari bahwa masih ada kekurangan dalam penulisan tesis ini, untuk itu, penulis mengharapkan kritik dan saran dari pembaca demi kesempurnaan penelitian selanjutnya.

Akhir kata penulis berharap semoga karya ilmiah ini dapat bermanfaat bagi semua pihak, khususnya dalam bidang pendidikan.

Medan, 19 Desember 2013 Penulis

Marischa Elveny 117038080

ABSTRAK

Penelitian ini bertujuan untuk menentukan posisi jabatan dengan banyak kriteria. Dalam menentukan posisi jabatan sering kali muncul probabilitas setiap kemungkinan yang tidak tepat, karena banyaknya faktor penilaian yang mempengaruhi pilihan-pilihan yang ada. Didalam metode Analytical Hierarchy Process (AHP) didapatkan ketidakpastian penilaian yang terlalu subjektif untuk data kualitatif. Permasalahan dalam menentukan posisi jabatan dapat diselesaikan dengan metode Fuzzy Analytic Hierarchy Process (FAHP) yang menggunakan penilaian dalam interval, sehingga data yang kualitatif dapat memberikan penilaian yang lebih objektif. Kriteria yang digunakan dalam penelitian ini adalah ketaatan, prestasi kerja, tanggung jawab, kejujuran, kerjasama dan kepemimpinan dengan 3 alternatif A, B dan C. Berdasarkan hasil penelitian dapat diambil kesimpulan, prestasi kerja menjadi kriteria tertinggi dengan bobot prioritas 6.95, kemudian ketaatan dengan bobot prioritas 6.76, tanggung jawab dengan bobot prioritas 6.63, kejujuran dengan bobot priorotas 6.27, kerjasama dengan bobot prioritas 6.12 dan yang terakhir kepemimpinan dengan bobot prioritas 6.2. Sedangkan yang menjadi alternatif pilihan, alternatif C mendapatkan nilai tertinggi dengan bobot 21.65 yang ke dua adalah alternatif B dengan bobot 21.44 dan yang terakhir alternatif A dengan bobot 20.25.

ANALYSIS METHOD OF FUZZY ANALYTIC HIERARCHY PROCESS (FAHP) IN DETERMININGTHE POSITION

ABSTRACT

This study aims to determine positions with many criteria . In determining positions often appear the probability of every possible improper, because of the many factors that influence the assessment of existing options . In the Analytical Hierarchy Process (AHP) obtained uncertainty assessment is too subjective for qualitative data. Problems in determining the positions can be solved by Fuzzy Analytic Hierarchy Process ( FAHP ), which uses valuation in the interval , so that qualitative data can provide a more objective assessment. The criteria used in this study is obedience, performance,responsibility,honesty, cooperation and leadership with three alternatives A, B and C. Based on this research can be concluded, performance becomes the highest criterion weighs 6.95 priority, then the priority weight 6.76 obedience, responsibility weighs 6.63 priority , honesty with weights 6.27 priorities , cooperation with priority weight 6.12 and the latter 's leadership with priority weights 6.2 . While the preferred alternative, Alternative C to get the highest score with 21.65 weight which is an alternative to the two weights B with 21.44 and the last alternative A 20.25 by weight

Kata Kunci : AHP , FAHP, Priority Weighting , Ranking , Job Position

DAFTAR ISI

Halaman

HALAMAN JUDUL ii

PERSETUJUAN iii

PERNYATAAN ORIGINALITAS iv

PERSETUJUAN PUBLIKASI v

PANITIA PENGUJI vi

RIWAYAT HIDUP vii

KATA PENGANTAR viii

ABSTRAK x

ABSTRACT xi

DAFTAR ISI xii

DAFTAR GAMBAR xv

DAFTAR TABEL xvii

BAB 1 PENDAHULUAN 1

1.1 Latar Belakang 1

1.2 Rumusan Masalah 3

1.3 Tujuan Penelitian 3

1.4 Batasan Masalah / Ruang Lingkup Kajian 3

BAB 2 LANDASAN TEORI 4

2.1 Definisi Model 4

2.1.1 Model iconik (skala) 4

2.1.2 Model analog 4

2.1.3 Model matematik (quantitatif) 5

2.2 Konsep pengukuran kinerja 5

ii

2.3.2 Karakteristik dan kemampuan sistem pendukung keputusan 6

2.4 Pemodelan Sistem Pendukung Keputusan 7

2.5 Multi Criteria Decision Making (MCDM) 7

2.6 Pengertian AHP ( Analitycal Hierarchy Process ) 8

2.6.1 Prinsip-Prinsip AHP 9

2.6.2 Kelebihan dan Kelemahan AHP 10

2.6.3 Langkah – langkah Metode AHP 11

2.6.4 Struktur Hirarki 12

2.6.5 Analisis Bobot Metode AHP 16

2.7 Fuzzy Analytical Hierarcy Process (FAHP) 19

2.8 Triangular Fuzzy Number (TFN) 19

BAB 3 METODOLOGI PENELITIAN 21

3.1 Rancangan Penelitian 21

3.1.2 Pengajuan Posisi Jabatan 23

3.1.3 Struktur Hirarki 24

3.1.4 Responden 25

3.2 Triangular Fuzzy Number 31

3.2.1 Jenis – jenis kriteria berdasarkan tingkat kepentingan 31 3.2.2 Derajat keanggotaan dan fuzzy segitiga 32

3.3 Fuzzy Analytic Hierarchy Process (FAHP) 40

3.3.1 Matriks Perbandingan Berpasangan Fuzzy 40

3.3.2 Fuzzy Sintesis 42

3.3.3 Penentuan Nilai Bobot Vektor (V) 43

3.4 Analytic Hierarchy Process (AHP) 47

3.4.1 Menghitung Bobot Kriteria 47

3.4.2 Menghitung bobot kriteria alternatif 50

3.4.3 Perangkingan 54

iii

BAB 4 HASIL DAN PEMBAHASAN 55

BAB 5 KESIMPULAN DAN SARAN 59

5.1 Kesimpulan 59

5.2 Saran 59

DAFTAR PUSTAKA 60

DAFTAR GAMBAR

Gambar 2. 1 Struktur hirarki model ahp 12

Gambar 2. 2 Persamaan matriks 14

Gambar 3. 1 Langkah-langkah penelitian 22

Gambar 3. 2 Hirarki kelayakan pengajuan posisi jabatan 24 Gambar 3. 3 Ketaatan keanggotaan fuzzy segitiga 33 Gambar 3. 4 Prestasi kerja keanggotaan fuzzy segitiga 34 Gambar 3. 5 Tanggung jawab keanggotaan fuzzy segitita 35 Gambar 3. 6 Kejujuran kenggotaan fuzzy segitiga 36 Gambar 3. 7 Kerjasama kenggotaan fuzzy segitiga 37 Gambar 3. 8 Kepemimpinan Kenggotaan Fuzzy Segitiga 38

Gambar 4. 1 Tampilan menu utama 55

Gambar 4. 2 Range-range kriteria 56

Gambar 4. 3 Tampilan matriks perbandingan ahp 57

Gambar 4. 4 Tampilan bobot kriteria 57

Gambar 4. 5 Tampilan hasil keputusan menggunakan fahp 58 Gambar 4. 6 Data hasil pengajuan posisi jabatan fahp 58

DAFTAR TABEL

Tabel 2. 1 Kriteria pembobotan metode ahp 10

Tabel 2. 2 Matriks perbandingan berpasangan 13

Tabel 2. 3 Matriks perbandingan dengan nilai intensitas 14

Tabel 2. 4 Nilai random index 16

Tabel 2. 5 Penjumlahan kolom 16

Tabel 2. 6 Penjumlahan baris 17

Tabel 2. 7 Perkalian tpv dengan elemen matriks 17

Tabel 2. 8 Penjumlahan baris setelah perkalian 18

Tabel 2. 9 Skala perbandingan tingkat kepentingan fuzzy 20

Tabel 3. 1 Kriteria 23

Tabel 3. 2 Kuisioner 25

Tabel 3. 3 Penilaian responden pertama 28

Tabel 3. 4 Penilaian responden kedua 28

Tabel 3. 5 Penilaian responden ketiga 28

Tabel 3. 6 Penilaian responden keempat 29

Tabel 3. 7 Penilaian responden kelima 29

Tabel 3. 8 Penilaian responden keenam 29

Tabel 3. 9 Penilaian responden ketujuh 30

Tabel 3. 10 Penilaian responden kedelapan 30

Tabel 3. 11 Penilaian responden kesembilan 30

Tabel 3. 12 Penilaian responden kelima 31

Tabel 3. 13 Hasil 10 orang responden 31

Tabel 3. 14 Tingkat kepentingan kriteria 32

Tabel 3. 15 Kriteria ketaatan 33

Tabel 3. 16 Kriteria prestasi kerja 34

ii

Tabel 3. 19 Kriteria kerjasama 36

Tabel 3. 20 Kisaran kriteria kepemimpinan 37

Tabel 3. 21 Menentukan matriks perbandingan berpasangan 39 Tabel 3. 22 Matriks perbandingan berpasangan fuzzy 40 Tabel 3. 23 Matriks perbandingan berpasangan fuzzy 41 Tabel 3. 24 Perhitungan jumlah baris setiap kolom l,m,u 41

Tabel 3. 25 Perhitungan fuzzysintesis (si) 43

Tabel 3. 26 Bobot vektor 46

Tabel 3. 27 Matriks perbandingan berpasangan ahp 47

Tabel 3. 28 Perhitungan ∑kolom 47

Tabel 3. 29 Perhitungan ∑baris 48

Tabel 3. 30 Mencari nilai eigen 48

Tabel 3. 31 Nilai eigen 48

Tabel 3. 32 Bobot prioritas 49

Tabel 3. 33 Nilai matriks dari alternatif 51

Tabel 3. 34 Matriks perbandingan berpasangan alternatif 51

Tabel 3. 35 Penjumlahan kolom dari alternatif 51

Tabel 3. 36 Perhitungan ∑kolom 52

Tabel 3. 37 Nilai eigen 52

Tabel 3. 38 Bobot prioritas 53

Tabel 3. 39 Perangkingan 54

ABSTRAK

Penelitian ini bertujuan untuk menentukan posisi jabatan dengan banyak kriteria. Dalam menentukan posisi jabatan sering kali muncul probabilitas setiap kemungkinan yang tidak tepat, karena banyaknya faktor penilaian yang mempengaruhi pilihan-pilihan yang ada. Didalam metode Analytical Hierarchy Process (AHP) didapatkan ketidakpastian penilaian yang terlalu subjektif untuk data kualitatif. Permasalahan dalam menentukan posisi jabatan dapat diselesaikan dengan metode Fuzzy Analytic Hierarchy Process (FAHP) yang menggunakan penilaian dalam interval, sehingga data yang kualitatif dapat memberikan penilaian yang lebih objektif. Kriteria yang digunakan dalam penelitian ini adalah ketaatan, prestasi kerja, tanggung jawab, kejujuran, kerjasama dan kepemimpinan dengan 3 alternatif A, B dan C. Berdasarkan hasil penelitian dapat diambil kesimpulan, prestasi kerja menjadi kriteria tertinggi dengan bobot prioritas 6.95, kemudian ketaatan dengan bobot prioritas 6.76, tanggung jawab dengan bobot prioritas 6.63, kejujuran dengan bobot priorotas 6.27, kerjasama dengan bobot prioritas 6.12 dan yang terakhir kepemimpinan dengan bobot prioritas 6.2. Sedangkan yang menjadi alternatif pilihan, alternatif C mendapatkan nilai tertinggi dengan bobot 21.65 yang ke dua adalah alternatif B dengan bobot 21.44 dan yang terakhir alternatif A dengan bobot 20.25.

ANALYSIS METHOD OF FUZZY ANALYTIC HIERARCHY PROCESS (FAHP) IN DETERMININGTHE POSITION

ABSTRACT

This study aims to determine positions with many criteria . In determining positions often appear the probability of every possible improper, because of the many factors that influence the assessment of existing options . In the Analytical Hierarchy Process (AHP) obtained uncertainty assessment is too subjective for qualitative data. Problems in determining the positions can be solved by Fuzzy Analytic Hierarchy Process ( FAHP ), which uses valuation in the interval , so that qualitative data can provide a more objective assessment. The criteria used in this study is obedience, performance,responsibility,honesty, cooperation and leadership with three alternatives A, B and C. Based on this research can be concluded, performance becomes the highest criterion weighs 6.95 priority, then the priority weight 6.76 obedience, responsibility weighs 6.63 priority , honesty with weights 6.27 priorities , cooperation with priority weight 6.12 and the latter 's leadership with priority weights 6.2 . While the preferred alternative, Alternative C to get the highest score with 21.65 weight which is an alternative to the two weights B with 21.44 and the last alternative A 20.25 by weight

Kata Kunci : AHP , FAHP, Priority Weighting , Ranking , Job Position

BAB 1

PENDAHULUAN

1.1 Latar Belakang

Metode AHP merupakan salah satu metode pengambilan keputusan dimana faktor-faktor logika, intuisi, pengalaman, pengetahuan, emosi, dan rasa dicoba untuk dioptimasikan dalam suatu proses yang sistematis. Metode AHP ini mulai dikembangkan oleh Thomas L. Saaty, seorang ahli matematika University Of Pittsburgh di Amerika Serikat, pada awal tahun 1970 – an. Thomas L. Saaty (1980).

AHP ini memecahkan masalah yang kompleks dimana aspek atau kriteria yang diambil cukup banyak, kompleksitas ini disebabkan oleh banyak hal diantaranya struktur masalah yang belum jelas, ketidakpastian persepsi pengambilan keputusan serta ketidakpastian tersedia data statistik yang akurat atau bahkan tidak ada sama sekali. Adakalanya timbul masalah keputusan yang dirasakan dan diamati perlu diambil secepatnya, tetapi variasinya rumit sehingga datanya tidak dapat dicatat secara numerik (kuantitatif), namun secara kualitatif, yaitu berdasarkan persepsi pengalaman dan intuisi. Namun, tidak menutup kemungkinan, bahwa model-model lainnya ikut dipertimbangkan pada saat proses pengambilan keputusan dengan pendeketan AHP, khususnya dalam memahami para keputusan individual pada saat proses penerapan pendekatan ini.

Pengambilan keputusan AHP dengan banyak kriteria bersifat subjektif. Selain itu para pengambil keputusan lebih yakin menentukan pilihannya terhadap tingkat kepentingan antar kriteria dengan memakai penilaian dalam interval dibandingkan penilaian dengan angka eksak. Untuk mengatasi permasalahan tersebut, maka dikembangkan teknik memodifikasi dan teknik himpunan fuzzy dalam AHP yang disebut Fuzzy AHP. (Chang, 1996)

Maka dengan pembangunan sistem ini akan ada kondisi yang diharapkan yaitu proses pengajuan kenaikan jabatan lebih cepat dan pengambilan keputusan yang lebih mudah, konsisten, objektif dan tersentralisasi.

2

Shega et al (2012). Penelitian ini bertujuan untuk mengetahui faktor prioritas mahasiswa Universitas Diponegoro dalam memilih telepon selular merk BlackBerry. Dari metode Analytic Hierarchy Process (AHP) didapatkan ketidakpastian penilaian yang terlalu subjektif untuk data kualitatif. Permasalahan di atas dapat diselesaikan dengan metode Fuzzy Analytic Hierarchy Process (FAHP) yang menggunakan penilaian dalam interval sehingga data yang kualitatif dapat memberikan penilaian yang lebih objektif.

Moengin (2013). Dalam makalah ini, AHP digunakan untuk menentukan bobot kriteria dan alternatif dalam rencana gas buang rumah tangga ramah lingkungan. Setelah itu, bobot relatif diterapkan pada data yang digunakan untuk mengukur efisiensi metode DEA. AHP memungkinkan seorang pengambil keputusan untuk menstrukturkan suatu masalah kompleks menjadi sebuah bentuk hirarki sederhana dan kemudian mengevaluasi sejumlah besar faktor-faktor kuantitatif dan kualitatif dengan kriteria ganda. AHP menggunakan matriks perbandingan berpasangan, struktur hirarki dan skala rasio untuk membobot atribut.

Zeki (2006). Teknik fuzzy AHP digunakan untuk pembobotan alternatif dengan beberapa atribut, Manfaat/Biaya analisis rasio kedua dilakukan dengan menggunakan kedua skor fuzzy AHP dan biaya pengadaan, dari setiap alternatif. Alternatif dengan nilai rasio tertinggi yang disebut sebagai mesin utama dari alat. Selain itu, studi kasus ini juga disajikan untuk membuat pendekatan yang lebih dimengerti untuk pembuat keputusan.

Dari uraian di atas maka penulis mengusulkan metode Fuzzy Analytic Hierarchy Process (FAHP) sebagai acuan untuk pengambilan suatu keputusan yang dapat menghasilkan keputusan yang lebih konsisten dalam menentukan kriteria posisi jabatan. Sehingga penelitian Tesis ini berjudul: “ANALISIS METODE FUZZY ANALYTIC HIERARCHY PROCESS (FAHP) DALAM MENENTUKAN POSISI JABATAN”.

3

1.2 Rumusan Masalah

Rumusan masalah berdasarkan latar belakang masalah yang telah diuraikan adalah bagaimana menganalisis Metode Fuzzy Analytical Hirarcy Processing Dalam Menentukan Posisi Jabatan.

1.3 Tujuan Penelitian

Tujuan yang ingin dicapai dari pembangunan aplikasi Analisis Metode Fuzzy Analytical Hirarcy Processing adalah sebagai berikut:

1. Menganalisis Fuzzy Analytical Hirarcy Processing dalam menentukan kriteria posisi jabatan.

2. Mengetahui apakah perancangan Analisis Fuzzy Analytical Hirarcy Processing berjalan dengan baik dalam analisis keputusan.

1.4 Batasan Masalah / Ruang Lingkup Kajian

Batasan masalah dalam membangun aplikasi A n a l i s i s Metode Analytical Hirarcy Processing Dalam Menentukan Posisi Jabatan adalah sebagai berikut:

1. Penelitian di rancang dan di modelkan dalam menentukan banyak kriteria posisi jabatan.

2. Keluaran hasil aplikasi adalah suatu pemodelan dalam menetukan analisis keputusan untuk kenaikan jabatan

3. Penelitian dilakukan di PT. Bintang Tirta Kesturi ( Agency Bank Negara Indonesia).

4. Aplikasi yang dibangun dengan menggunakan bahasa pemrograman Delphi7. 5. Database yang digunakan adalah Mysql

BAB 2

LANDASAN TEORI

Landasan teori adalah teori-teori yang relevan dan dapat digunakan untuk menjelaskan variabel-variabel penelitian. Landasan teori ini juga berfungsi sebagai dasar untuk memberi jawaban sementara terhadap rumusan yang diajukan serta membantu dalam penyusunan instrument penelitian.

2.1 Definisi Model

Representasi sistem atau masalah berdasarkan model dapat dilakukan dengan berbagai macam tingkat abstraksi.

2.1.1 Model iconik (skala)

Sebuah model iconik, model abstraksi terkecil adalah replika fisik sebuah sistem, biasanya pada suatu skala yang berbeda dari aslinya. Model iconik dapat muncul pada tiga dimensi (miniature maket), sebagaimana pesawat terbang, mobil, jembatan, atau alur produksi. Photografi adalah jenis model skala iconik yang lain, tetapi hanya dalam dua dimensi.

2.1.2 Model analog

Sebuah model yang tidak tampak mirip dengan model aslinya, tetapi bersifat seperti sistem aslinya. Model analog lebih abstrak dari model iconik dan merupakan perpresentasi simbolik dari realitas. Model ini biasanya berbentuk bagan atau diagram 2 dimensi, dapat berupa model fisik, tetapi bentuk model berbeda dari bentuk sistem nyata. Berikut beberapa contoh lain :

1. Bagan organisasi yang menggambarkan hubungan struktur otoritas, dan tanggung jawab.

2. Sebuah peta dimana warna yang berbeda menunjukkan obyek yang berbeda misalnya sungai atau pegunungan.

3. Bagan pasar modal yang menunjukkan pergerakan harga saham. 4. Cetak biru dari sebuah mesin atau rumah.

5

2.1.3 Model matematik (quantitatif)

Kompleksitas hubungan pada banyak sistem organisasional tidak dapat disajikan secara model icon atau model analog, atau representasi semacam itu malah dapat menimbulkan kesulitan dan membutuhkan banyak waktu dalam pemakaiannya. Oleh karena itu model yang tepat dideskripsikan dengan model matematis.

2.2 Konsep pengukuran kinerja

Pengukuran kinerja adalah tindakan yang dilakukan terhadap aktivitas dalam rantai nilai yang ada pada perusahaan. Hasil pengukuran tersebut kemudian digunakan sebagai umpan balik yang akan memberikan informasi tentang prestasi pelaksana suatu rencana dan titik dimana perusahaan memerlukan penyesuaian atas aktivitas perencanaan dan pengendalian.

a) Menelusuri kinerja terhadap pelanggan sehingga akan membawa motivasu pegawai.

b) Membuat suatu tujuan strategis yang biasanya masih kabur menjadi lebih konkret sehingga mempercepat proses jenjang karir pegawai sesuai yang diharapkan.

2.3 Sistem Pendukung Keputusan

Sistem Pendukung Keputusan adalah suatu bentuk dari sistem informasi manajemen yang secara khusus dibuat untuk mendukung perencanaan dan stakeholders dalam pengambilan keputusan. Sistem Pendukung Keputusan dapat mencerminkan berbagai konsep dari pengambilan keputusan dan kondisi yang berbeda-beda, dan akan sangat berguna untuk semi-structured atau unstructured problems dimana proses pengambilan keputusan ditingkatkan dengan dialog interaktif antara Sistem Pendukung Keputusan dengan pengguna. Kelebihan utama dari Sistem Pendukung Keputusan adalah kemampuannya untuk memanfaatkan sistem komputer untuk membantu pengambil keputusan dalam mempelajari masalah dan mengambil kebijakan, dan meningkatkan pemahaman mengenai kondisi lingkungan dimana kebijakan tersebut akan diterapkan dengan mengakses data dan model yang bermanfaat untuk pengambilan keputusan tersebut. Sistem Pendukung Keputusan berfungsi untuk mengembangkan dan mengevaluasi beragam alternatif solusi untuk

6

memperoleh pemahaman mengenai permasalahan, trade off antara obyektif-obyektif yang ada, dan mendukung proses pengambilan keputusan.

2.3.1 Tujuan sistem pendukung keputusan

Tujuan sistem pendukung keputusan yang akan dicapai adalah:

1. Membantu manajer membuat keputusan untuk memecahkan masalah semiterstruktur.

2. Mendukung penilaian manajer bukan mencoba menggantikannya

3. Meningkatkan efektifitas pengambilan keputusan manajer dari pada efisiensinya.

2.3.2 Karakteristik dan kemampuan sistem pendukung keputusan

1. Sistem Pendukung Keputusan menyediakan dukungan untuk pengambil keputusan utamanya pada keadaan-keadaan semistruktur dan tidak terstruktur dengan menggabungkan penilaian manusia dan informasi komputerisasi. 2. Menyedikan dukungan untuk tingkat manajerial mulai dari eksekutif sampai

manajer.

3. Menyedikan dukungan untuk kelompok individu, problem-problem yang kurang terstruktur memerlukan keterlibatan beberapa individu dari departemen-departemen yang lain dalam organisasi.

4. Sistem pendukung keputusan menyediakan dukungan kepada independen atau keputusan yang berlanjut.

5. Sistem pendukung keputusan memberikan dukungan kepada semua fase dalam proses pembuatan keputusan intelligence design, choice dan impelementasi.

6. Sistem pendukung keputusan mendukung banyak proses dan gaya pengambilan keputusan.

7. Sistem pendukung keputusan adaptive terhadap waktu, pembuat keputusn harus reaktif bias menghadapi perubahan-perubahan kondisi secara cepat dan merubah system pendukung keputusan harus fleksibel sehingga pengguna dapat menambah, menghapus, mengkombinasikan, merubah dan mengatur kembali terhadap elemen-elemen dasar.

8. Sistem pendukung keputusan mudah digunakan. Pengguna merasa berada dirumah saat bekerja dengan sistem, seperti user friendly, fleksibelitas,

7

kemampuan penggunaan grafik yang tinggi dan bahasa untuk berinteraksi dengan mesin seperti menggunakan bahasa inggris maka akan menaikan efektifitas dari sistem pendukung keputusan.

9. Sistem pendukung keputusan menaikkan efektifitas pembuatan keputusan baik dalam hal ketepatan waktu dan kualitas bukan pada biaya pembuatan keputusan atau biaya pemakaian waktu komputer.

10. Pembuat keputusan dapat mengontrol terhadap tahapan-tahapan pembuatan keputusan seperti pada tahap intelegence, choice dan implementation dan sistem pendukung keputusan diarahkan untuk mendukung pada pembuat keputusan bukan menggantikan posisinya.

11. Memungkinkan pengguna akhir dapat membangun sistem sendiri yang sederhana. Sistem yang besar dapat dibangun dengan bantuan dari spesialis sistem informasi.

12. Sistem pendukung keputusan menggunakan model-model standar atau buatan pengguna untuk menganalisa keadaan-keadaan keputusan. Kemampuan modeling memungkinkan bereksperimen dengan strategi yang berbeda-beda dibawah konfigurasi yang berbeda-beda pula.

13. Sistem pendukung keputusan mendukung akses dari bermacam-macam sumber data, format, dan tipe, jangkauan dari sistem informasi geografi pada orientasi obyek.

2.4 Pemodelan Sistem Pendukung Keputusan

Karakteristik utama dari sistem pendukung keputusan adalah memasukkan sedikitnya satu model. Ide dasarnya adalah melakukan analisis sistem pendukung keputusan pada sebuah model realitas, dari pada analisis pada sistem nyata itu sendiri.

2.5 Multi Criteria Decision Making (MCDM)

Menurut Nachtnebel oleh Ziller, et al (2008:1), MCDM bertujuan memilih alternative terbaik dari suatu set alternative yang harus memenuhi beberapa tujuan yang telah memilki beberapa kriteria. Serta sebagaimana yang dikemukakan Howard oleh Ziller, at al (2008:1), MCDM sebagai prosedur sistematis untuk mengubah suatu keputusan masalah yang kompleks dengan urutan langkah langkah tertentu yang dapat membantu pengambil keputusan dalam sebuah keputusan yang rasional.

8

MCDM memiliki beberapa langkah proses. Menurut Jung oleh Ziller, et al (2008:1), mengusulkan proses sebagai berikut:

1. Membangun model untuk menjelaskan sistem testruktur, komponen, dan interaksi antar kriteria.

2. Definisi tujuan.

3. Spesifikasi kriteria yang relevan untuk mengidentifikasi tujuan diinginkan dan tidak diinginkan.

4. Menciptakan dan mengidentifikasi alternative yang mungkin.

5. Mencoba alternative pilihan yang ada, apakah sudah mampu memenuhi tujuan yang akan dicapai.

6. Menganalisa dampak alternative pilihan yang ada.

7. Menimbang dan mengurutkan dari alternative pilihan sesuai dengan preferensi pengambil keputusan.

2.6 Pengertian AHP ( Analitycal Hierarchy Process )

Menurut Saaty metode AHP atau Proses Hirarki Analitik merupakan salah satu metode pengambilan keputusan dimana faktor-faktor logika, intuisi, pengalaman, pengetahuan, emosi, dan rasa dicoba untuk dioptimasikan dalam suatu proses yang sistematis. Metode AHP ini mulai dikembangkan oleh Thomas L. Saaty, seorang ahli matematika University Of Pittsburgh di Amerika Serikat, pada awal tahun 1970 – an. AHP yang dikembangkan oleh Saaty ini memecahkan yang kompleks dimana aspek atau kriteria yang diambil cukup banyak, kompleksitas ini disebabkan oleh banyak hal diantaranya struktur masalah yang belum jelas, ketidakpastian persepsi pengambilan keputusan serta ketidakpastian tersedia data statistic yang akurat atau bahkan tidak ada sama sekali. Adakalanya timbul masalah keputusan yang dirasakan dan diamati perlu diambil secepatnya, tetapi variasinya rumit sehingga datanya tidak dapat dicatat secara numeric (kuantitatif), namun secara kualitatif, yaitu berdasarkan persepsi pengalaman dan intuisi. Namun, tidak menutup kemungkinan, bahwa model-model lainnya ikut dipertimbangkan pada saat proses pengambilan keputusan dengan pendeketan AHP, khususnya dalam memahami para kepututsan individual pada saat proses penerapan pendekatan ini.

9

2.6.1 Prinsip-Prinsip AHP Menurut Hartono, et al (2013)

1. Decomposition, setelah persoalan didefinisikan, dilakukan dekomposisi yaitu memecahkan persoalan yang utuh menjadi unsur-unsur. Karena alasan ini, maka proses analisis ini dinamakan hierarki.

2. Comparative Judgement, membuat penilaian tentang kepentingan relatif dua elemen pada suatu tingkat tertentu dalam kaitannya dengan tingkat diatasnya. Hasil penilaian akan lebih baik jika disajikan dalam bentuk matriks yang dinamakan matriks pairwise comparison.

3. Synthesis of Priority, dari setiap matriks pairwise comparison kemudian dicari eigen vector-nya untuk mendapatkan local priority. Karena matriks pairwise comparison terdapat pada setiap tingkat,maka untuk mendapatkan global priority harusdilakukan sintesa diantara local priority.

4. Logical Consistency, konsistensi memiliki dua makna :

a) Pertama adalah bahwa obyek-obyek yang serupa dapat dikelompokan sesuai dengan ke seragaman dan relevansi.

b) kedua adalah tingkat hubungan antara obyek didasarkan pada criteria tertentu. Metode AHP adalah metode yang paling efisien untuk pilihan optimal logistik system. Metode ini memungkinkan mengatur alternatif trasportasi dalam urutan efisiensi dan menunjukkan perbedaan dalam himpunan kriteria. Eugene (2012).

10

Tabel 2. 1 Kriteria Pembobotan Metode AHP Saaty (1990)

2.6.2 Kelebihan dan Kelemahan AHP

Metode AHP telah banyak penggunaannya dalam berbagai skala bidang kehidupan. Kelebihan metode AHP ini dibandingkan dengan pengambilan keputusan criteria majemuk lainnya adalah :

1. Struktur yang berhirarki, sebagai konsekuensi dari kriteria yang dipilih, sampai pada sub – sub kriteria yang palling dalam.

2. Memperhitungkan validitas sampai dengan batas toleransi inkosistensi berbagai criteria dan alternative yang dipilih oleh para pengambil keputusan.

3. Memperhitungkan daya tahan atau ketahanan output analisis sensitivitas pengambilan keputusan.

Inten Keterangan Penjelasan

1 Kedua elemen sama pentingnya Dua elemen mempunyai pengaruh yang sama besar terhadap tujuan

3 Elemen yang satu sedikit lebih penting dari pada Elemen yang lainnya

Pengalaman dan penilaian sedikit menyokong satu elemen dibandingkan elemen lainnya

5 Elemen yang satu lebih penting dari pada elemen lainnya

Pengalaman dan penilaian sangat kuat menyokong satu elemen dibandingkan elemen lainnya

7 Satu elemen jelas lebih mutlak penting dari pada elemen lainnya

Pengalaman dan penilaian sangat kuat disokong dan dominan terlihat dalam praktek

9 Satu elemen mutlak penting dari pada elemen lainnya

Bukti yang mendukung elemen yang satu terhadap elemen yang lain memiliki tingkat penegasan tertinggi yang mungkin menguatkan

2,4,6,8 Nilai-nilai antara dua nilai pertimbangan yang berdekatan

Nilai-nilai ini diberikan bila ada dua kompromi di antara dua pilihan

11

4. Metode AHP memiliki keunggulan dari segi proses pengambilan keputusan dan akomodasi untuk atribu – atribut baik kuantitatif maupun kualitatif.

5. Metode AHP juga mampu menghasilkan hasil yang lebih konsisten dibandingkan dengan metode – metode lainnya.

6. Metode pengambilan keputusan AHP memiliki system yang mudah dipahami dan digunakan.

Kelemahan – kelemahan penggunaan metode AHP yaitu :

1. Responden yang dilibatkan harus memiliki pengetahuan yang cukup dalam (expert) mengenai permasalahan dan tentang AHP itu sendiri.

2. AHP tidak dapat diterapkan pada suatu perbedaan sudut pandang yang sangat tajam atau ekstrim dikalangan responden.

2.6.3 Langkah – langkah Metode AHP

Adapun langkah yang dipergunakan dalam metode AHP, yaitu : 1. Mendefinisikan masalah dan menentukan solusi yang diinginkan.

2. Membuat struktur hirarki yang diawali dengan tujuan umum, dilanjutkan dengan sub tujuan – tujuan, criteria dan kemungkinan alternatif – alternatif pada tingkatan criteria yang paling bawah.

3. Membuat matriks perbandingan berpasangan yang menggambarkan kontribusi relative atau pengaruh setiap elemen terhadap masing – masing tujuan atau criteria yang setingkat di atasnya. Perbandingan dilakukan berdasarkan judgement dari pengambilan keputusan dengan menilai tingkat kepentingan suatu elemen dibandingkan elemen lainnya.

4. Melakukan perbandingan berpasangan sehingga diperoleh judgement seluruh sebanyak n x [(n-1)/2] buah, dengan n adalah banyaknya elemen yang dibandingkan.

5. Menghitung nilai eigen dan menguji konsistensinya, jika tidak konsisten maka pengambilan data diulangi.

12

7. Mengikuti vector eigen di setiap matriks perbandingan berpasangan. Nilai vector eigen merupakan bobot setiap elemen. Langkah ini untuk mesintesis judgement dalam penentuan prioritas elemem – elemen pada tingkat hirarki terendah sampai pencapaian tujuan.

8. Memeriksa konsistensi hirarki. Jika nilainya lebih dari 10% maka penilaian data judgement harus diperbaiki.

Secara naluriah manusia dapat mengestimasi besaran sederhana melalui inderanya. Proses paling mudah adalah membandingkan dua hal dengan keakuratan perbandingan yang dapat dipertanggungjawabkan, untuk itu Saaty menetapkan skala kuantitatif 1 sampai 9 untuk menilai secara perbandingan tingkat kepentingan suatu elemen dengan elemen lain.

2.6.4 Struktur Hirarki

Hirarki adalah gambaran dari permasalahan yang kompleks dalam struktur banyak tingkat dimana tingkat paling atas adalah tujuan dan diikuti tingkat kriteria, subkriteria dan seterusnya ke bawah sampai pada tingkat yang paling bawah adalah tingkat alternatif. Hirarki menggambarkan secara grafis saling ketergantungan elemen-elemen yang relevan, memperlihatkan hubungan antar elemen yang homogen dan hubungan dengan sistem sehingga menjadi satu kesatuan yang utuh. Satty (1994)

Tujuan

Kritetia 1 Kriteria 2 Kriteria 3 Kriteria 4 Kriteria 5 Kriteria 6

Alternatif 1 Alternatif 2

Gambar 2. 1 Struktur Hirarki Model AHP

13

Pada dasarnya formulasi matematis pada model AHP, dilakukan dengan menggunakan matriks. Misalkan, dalam suatu subsistem operasi terdapat n elemen operasi, yaitu elemen-elemen operasi A1,A2, …, An, maka hasil perbandingan secara berpasangan elemen-elemen operasi tersebut akan membentuk matriks perbandingan seperti pada tabel 2.2 berikut:

Tabel 2. 2 Matriks Perbandingan Berpasangan

A1 A2 … An

A1 a11 a12 … a1n

A2 a21 a22 … a2n

: : : : :

An an1 an2 … \ann

Matriks A (nxn) merupakan matriks resiprokal dan diasumsikan terdapat n elemen yaitu w1, w2, …, wn yang akan dinilai secara perbandingan. Nilai (judgement) perbandingan secara berpasangan antara (wi, wj) dapat dipresentasikan seperti matriks tersebut, lihat persamaan dibawah ini:

wi = a(i, j) ; I, j = 1, 2, …, n ... (2.1) wj

Matriks A merupakan matris perbandingan dengan unsur-unsur adalah aij, dengan I, j

= 1, 2, …, n. Unsur-unsur matriks tersebut diperoleh dengan membandingkan satu elemen operasi terhadap elemen operasi lainnya tingkat hirarki yang sama. Matriks itu dikenal juga dengan sebutan Pairwise Comparison Judgement Matrices (PCJM). Vektor pembobotan elemen-elemen operasi dinyatakan sebagai vector w, dengan w (w1, w2, …, wn), sehingga nilai intensitas kepentingan elemen operasi A1 terhadap A2 yakni w1/w2 sama dengan a12, lihat table 2.3 dibawah ini:

14

Tabel 2. 3 Matriks perbandingan dengan nilai intensitas

A1 A2 … An

A1 w1/w1 w1/w2 … w1/wn

A2 w2/w1 w2/w2 … w2/wn

: : : : :

An wn/w1 wn/w2 … wn/wn

Nilai-nilai wi, wj, dengan I, j = 1, 2, …, n, diperoleh partisipan yang dipilih, yaitu orang-orang yang berkompeten dalam permasalahan yang dianalisis. Bila matriks ini dikalikan dengan vector kolom w = w1, w2, …, wn, maka A dengan nilai eigen n. Persamaan tersebut akan dilihat seperti gambar berikut:

w1 w1 … w1

w1 w2 wn w1 w1

w2 w2 … w2 x w2 = n x w2 ………… (2.2)

w1 w2 wn … …

wn wn … wn wn wn

w1 w2 wn

Variabel n pada gambar dapat digantikan secara umum dengan sebuah vector λ dalam persamaan berikut :

Aw = λw

Dimana λ = (λ1, λ2, …, λn) ... (2.3) Setiap λn yang memenuhi persamaan diatas disebut sebagai eigen value, sedangkan vector w yang memenuhi persamaan diatas tersebut dinamakan eigen vector.

Matriks A adalah suatu matriks resiprokal dengan nilai aii = 1 untuk semua I, sehingga memenuhi persamaan berikut :

n

i i

1

= n …..……… (2.4) Apabila matriks A adalah matriks yang konsisten maka semua eigen value bernilai 0 kecuali satu yang bernilai sama dengan n. Bila matriks A adalah matriks yang tak

Gambar 2. 2 Persamaan Matriks

15

konsisten, variasi kecil atas aij akan membuat eigen value paling besar, λmax tetap dekat dengan n, dan eigen value lainnya mendekati nol. Nilai λmax dapat dicari dengan persamaan berikut :

Aw = λmax w atau [ A –λmax I ] = 0 ……….. (2.5) Dimana I adalah matriks identitas.

Nilai vector bobot w dapat dicari dengan mensubtitusikan nilai λmax ke dalam persamaan Aw = λmax w.

Pada prakteknya, kondisi yang konsisten akan sulit didapat. Nilai aij akan menyimpang dari rasio wi / wj sehingga dengan demikian persamaan Aw = nw tidak akan terpenuhi. Deviasi λmax dari n merupakan suatu parameter Consistency Index (CI) yang dirumuskan sebagai berikut :

CI = ... (2.6)

Nilai CI tidak akan berarti bila tidak terdapat acuan untuk menyatakan apakah CI menunjukkan suatu matriks yang konsisten. Saaty memberikan acuan dengan melakukan perbandingan acak terhadap 500 buah sample. Saaty berpendapat bahwa suatu matriks yang dihasilkan dari perbandingan yang dilakukan secara acak merupakan suatu matriks yang mutlak tak konsisten. Pada matriks acak tersebut diperoleh nilai CI, yang disebut dengan Random Index ( RI ), sehingga dengan membandingkan CI dengan RI akan didapatkan acuan untuk menentukan tingkat konsistensi suatu matriks, yang disebut dengan Consistency Ratio ( CR ), melalui persamaan berikut :

CR = ………. (2.7) Thomas L. Saaty mendapatkan nilai rata – rata RI dari 500 buah sample matriks acak dengan skala perbandingan 1 – 9, untuk beberapa orde matriks yang dapat diliat pada tabel 2.4 berikut:

16

Tabel 2. 4 Nilai Random Index Orde Matrik

s 1 2 3 4 5 6 7 8 9

RI 0.00 0.00 0.58 0.90 1.12 1.24 1.32 1.41 1.45 Orde Matrik

s 10 11 12 13 14 15

RI 1.49 1.51 1.48 1.56 1.57 1.59

Saaty menerapkan bahwa suatu matriks perbandingan adalah konsistensi bila nilai CR tidak lebih dari 0.1 ( 10% ).

2.6.5 Analisis Bobot Metode AHP

Dalam pencarian bobot metode AHP dilakukan langkah-langkah tersebut: a. Membuat struktur hirarki dengan kriteria-kriteria.

b. Perhitungan bobot kriteria dengan cara :

1. Membuat matriks perbandingan berpasangan yang menggambarkan kontibusi relatif atau pengaruh setiap elemen terhadap masing-masing kriteria dengan kriteria lainnya.

2. Menghitung Total Prioritas Value untuk mendapatkan bobot kriteria dengan cara seperti yang terlihat pada tabel 2.5 dan tabel 2.6 berikut :

Tabel 2. 5 Penjumlahan Kolom

K1 K2 … Kn

K1 Nilai perbandingan K11 +… … +…

K2 Nilai perbandingan K12 +… … +…

K3 Nilai perbandingan K13 +… … +…

: : : : :

Kn Nilai perbandingan K1n +… … +…

Σkolom

17

Tabel 2. 6 Penjumlahan Baris

K1 K2 … Kn TPV

K1 Nilai perbandingan K11 / Σkolom +… … +… Σbaris1n/n K2 Nilai perbandingan K12 / Σkolom +… … +… Σbaris2n/n K3 Nilai perbandingan K13 / Σkolom +… … +… Σbaris3n/n

: : : : : :

Kn Nilai perbandingan K1n / Σkolom +… … +… Σbarisnn/n Keterangan :

K = Kriteria

n = Banyaknya kriteria TPV = Total Priority Value

3. Nilai TPV yang didapat merupakan nilai bobot untuk setiap kriteria. c. Memeriksa konsistensi matriks perbandingan suatu kriteria.

Adapun langkah-langkah dalam memeriksa konsistensi adalah sebagai berikut : 1. Pertama bobot yang didapat dari nilai TPV dikalikan dengan nilai-nilai elemen

matriks perbandingan yang telah diubah menjadi bentuk desimal, dan dilanjutkan dengan menjumlahkan entri-entri pada setiap baris, dapat dilihat pada tabel 2.7 dibawah ini :

Tabel 2. 7 Perkalian TPV dengan elemen matriks

K TPV K1 TPV K2 TPV Kn

K1 Nilai perbandingan K11 x TPV K1 … Nilai perbandingan K1n x TPV Kn

K2 … … …

K3 … … …

: : : :

18

2. Kemudian jumlah setiap barisnya, dapat dilihat pada tabel 2.8 berikut : Tabel 2. 8 Penjumlahan Baris Setelah Perkalian

K TPV K1 TPV K2 … TPV Kn Σbaris

K1 Nilai perbandingan K11 * TPV K1 +… … +… Σbarisk1

K2 … +… … +… …

K3 … +… … +… …

: : : : : :

Kn Nilai perbandingan Kn1 * TPV Kn +… … +… Σbariskn

3. Kemudian mencari λmaks, pertama-tama mencari nilai rata-rata setiap kriteria

atau subkriteria yaitu jumlah hasil pada langkah no.2 diatas yaitu Σbaris dibagi dengan TPV dari setiap kriteria.

Σbaris K1 TPV K1 λmaks K1

… ÷ … = …

Σbaris Kn TPV Kn λmaksKn ……… (2.8)

Kemudian akan diperoleh λmaks dengan cara sebagai berikut :

λmaks = λmaks K1 + … + … + λmaks Kn ÷ n ……….... (2.9) Keterangan :

λmaks = nilai rata – rata dari keseluruhan kriteria n = jumlah matriks perbandingan suatu kriteria

4. Setelah mendapatkan λmaks, kemudian mencari Consistency Index ( CI ), yaitu dengan persamaan :

CI = ………. (2.10)

5. Kemudian mencari Consistency Ratio ( CR ) dengan mengacu pada Nilai Indeks Random atau Random Index ( RI ) yang dapat dilihat pada tabel 2.2, yaitu dengan persamaan :

19

CR = ……… (2.11)

6. Matriks perbandingan dapat diterima jika Nilai Rasio Konsistensi ≤ 0.1, jika nilai CR > 0.1 maka pertimbangan yang dibuat perlu diperbaiki.

2.7 Fuzzy Analytical Hierarcy Process (FAHP)

Terdapat banyak literatur yang menyebutkan ketidaktepatan keputusan dalam penggunaan perbandingan rasio. Secara umum kebanyakan manusia tidak dapat membuat perkiraan kuantitatf. Ketidakjelasan keputusan pilihan membuatn ketidakkonsistenan dalam menetapkan keputusan.

Fuzzy AHP adalah metode analisis yang dikembangkan dari AHP tradisional. Walaupun AHP biasa digunakan dalam menangani kriteria kualitatif dan kuantitatif pada MCDM namun fuzzy AHP dianggap lebih baik dalam mendeskripsikan keputusan yang samar-samar daripada AHP tradisional. (Boender et all, 1989; Buckley, 1985/a, 1985/b, Chang, 1996; Laarhoven dan Pedrycz, 1983; Lootsma, 1997; Ribeiro, 1996).

Dalam system yang lebih kompleks, pengalaman dan penilaian manusia sering digambarkan dalam bentuk linguistic dan pola yang tidak jelas. Oleh karena itu, gambaran yang lebih baik dapat dikembangkan ke dalam bentuk data kuantitatif dengan menggunakan teori fuzzy. Di sisi lain, metode AHP sering digunakan pada aplikasi yang bersifat crisp. AHP tradisional masih tidak dapat mewakili penilaian manusia. Untuk menghindari risiko tersebut, fuzzy AHP dikembangkan untuk memecahkan masalah fuzzy berhirarki. Witjaksono (2009)

2.8 Triangular Fuzzy Number (TFN)

Bilangan triangular fuzzy number (TFN) merupakan teori himpunan fuzzy membantu dalam pengukuran yang berhubungan dengan penilaian subjektif manusia memakai bahasa atau linguistik. Inti dari fuzzy AHP terletak pada perbandingan berpasangan yang digambarkan dengan skala rasio yang berhubungan dengan skala fuzzy. Bilangan triangular fuzzy disimbolkan dan berikut ketentuan fungsi keanggotaan untuk 5 skala variabel linguistik, lihat tabel 2.9 (Shega et all 2012).

20

Tabel 2. 9 Skala perbandingan tingkat kepentingan fuzzy

NO Tingkat Skala Fuzzy

Invers

Skala Fuzzy Definisi Variable Linguistik

1 (1,1,1) (1,1,1)

Perbandingan dua kriteria yang sama 2 1= (1/2,1,3/2) (2/3,1,2) Dua elemen mempunyai kepentingan

yang sama

3 3 = (1,3/2,2) (1/2,2/3,1) Satu elemen sedikit lebih penting dari yang lain

4 5 = (3/2,2,5/2) (2/5,1/2,2/3)

Satu elemen lebih penting dari yang lain 5 7 = (2,5/2,3) (1/3,2/5,1/2) Satu elemen sangat lebih penting dari

yang lain

6 9 = (5/2,3,7/2) (2/7,1/3,2/5) Satu elemen mutlak lebih penting dari yang lain

BAB 3

METODOLOGI PENELITIAN

AHP digunakan untuk mengkaji permasalahan yang dimulai dengan mendefinisikan permasalahan tersebut secara seksama kemudian menyusunnya ke dalam suatu hirarki. Yang inputan utamanya merupakan persepsi dari manusia. AHP memasukkan pertimbangan dan nilai-nilai pribadi secara logis. Proses ini bergantung pada imajinasi, pengalaman, dan pengetahuan untuk menyusun hirarki suatu permasalahan dan bergantung pada logika dan pengalaman untuk memberi pertimbangan. Oleh karena itu, gambaran yang lebih baik dapat dikembangkan ke dalam bentuk data kuantitatif dengan menggunakan teori fuzzy. AHP tradisional masih tidak dapat mewakili penilaian manusia. Untuk menghindari risiko tersebut, fuzzy AHP dikembangkan untuk memecahkan masalah fuzzy berhirarki.

3.1 Rancangan Penelitian

Dalam pembuatan sistem pemodelan metode FAHP dalam menentukan posisi jabatan dilakukan beberapa tahapan seperti yang terlihat pada flowchart gambar 3.1.

22

Mulai

Matriks Perbandingan Berpasangan Fuzzy

Nilai Bobot Vektor

Matriks Perbandingan Berpasangan AHP

Konsistensi Matriks Perbandingan

CR <= 10 %

Selesai Ya Tidak

Bobot Prioritas Fuzzy Segitiga

Fuzzy Sintesis Data

Matriks Perbandingan Berpasangan Alternatif

Nilai eigen

Bobot Prioritas

Nilai eigen

Bobot Global Konsistensi Matriks

Perbandingan CR <= 10 %

Ya

Tidak

Perangkingan

Gambar 3. 1 Langkah-langkah penelitian

23

Langkah-langkah yang akan dilakukan dalam penelitian ini adalah :

1. Mendefenisikan masalah yaitu dalam menentukan posisi jabatan pada perusahaan PT. Bintang Tirta Kesturi. Dengan melihat data-data pegawai yang ingin mengajukan diri.

2. Pembuatan stuktur hirarki, diambil dari tujuan, kriteria keputusan dan alternatif-alternatif. Adapun kriteria tersebut adalah ketaatan, prestasi kerja, tanggung jawab, kejujuran, kerjasama dan kepemimpinan.

3. Derajat keanggotaan Triangular Fuzzy Number (TFN) 4. Menyusun matriks perbandingan berpasangan fuzzy 5. Menghitung nilai fuzzy sintesis

6. Menyusun matriks perbandingan berpasangan AHP 7. Menghitung nilai eigen maksimum ( λmaks).

8. Melakukan uji konsistensi matriks perbandingan berpasangan. a. Menghitung CI =

b. Menghitung CR =

Jika consistensi ratio (CR) tidak konsisten yaitu nilainya ≥ 10%, maka matriks

tersebut tidak konsisten dan harus dilakukan perhitungan ulang. 9. Matriks Perbandingan berpasangan alternatif

10.Bobot global

11.Perangkingan yaitu pengambilan keputusan dari alternatif tertinggi sampai terendah

3.1.2 Pengajuan Posisi Jabatan

Pada bagian ini, pegawai yang ingin mengajukan posisi jabatan harus dapat memenuhi beberapa penilaian-penilaian kriteria, yaitu terdapat pada tabel berikut:

Tabel 3. 1 Kriteria Kriteria Keterangan

Ketaatan KT

Prestasi Kerja PK Tanggung Jawab TJ

Kejujuran KJ

Kerjasama KS

24

3.1.3 Struktur Hirarki

Langkah penyederhanaan masalah ke dalam bagian yang menjadi tujuan pokoknya, kemudian dibagi kembali kedalam kriteria-kriteria yang ingin dicapai. Dan terdapat alternatif-alternatif tujuan yang dibuat secara hirarki agar lebih jelas. Sehingga mempermudah pengambil keputusan untuk menganalisis dan menarik kesimpulan terhadap permasalahan tersebut. Struktur hirarki dapat dilihat pada gambar 3.2.

Pengajuan Posisi Jabatan

KT PK TJ KJ KS KP

B

A C

Gambar 3. 2 Hirarki Kelayakan Pengajuan Posisi jabatan

Keterangan : KT : Ketaatan PK : Prestasi Kerja TJ : Tanggung Jawab KJ : Kejujuran KS : Kerjasama KP : Kepemimpinan

Dalam struktur hirarki pengajuan posisi jabatan terdapat beberapa kriteria yaitu ketaatan, prestasi kerja, tanggung jawab, kejujuran, kerjasama, dan kepemimpinan

25

yang harus dipenuhi oleh beberapa altenatif. Disini terdapat 3 calon alternatif yang akan diranking dari nilai maksimum ke nilai minimum.

3.1.4 Responden

Pemilihan responden dilakukan dengan cara pemilihan secara sengaja dengan pertimbangan responden adalah supervisor, staff, dan marketing yang keseluruhannya berjumlah 10 responden. Responden yang dimaksud adalah responden yang terlibat langsung atau responden yang dianggap mempunyai kemampuan dan mengerti permasalahan terkait dengan menentukan posisi jabatan tertinggi di perusahaan tersebut. Pemilihan responden diperoleh dengan menggunakan kuisioner.

a. Supervisor : 3 orang b. Staff : 2 orang c. Marketing : 5 orang

Form responden dan kuisioner dapat dilihat pada tabel berikut: RESPONDEN

1. Nama :

2. Umur :

3. Jenis Kelamin :

4. Status Perkawinan :

5. Pendidikan Terakhir :

6. Jabatan :

7. Lama Bekerja :

Tabel 3. 2 KUISIONER

NO PERTANYAAN JAWABAN

KEPEMIMPINAN Baik Cukup Kurang

2 1 0

1

Menurut anda, apakah pimpinan anda selama ini selalu melibatkan pegawai terkait, untuk membuat suatu keputusan.

2

Menurut anda, apakah pimpinan anda selalu

pertimbangkan dampak negatif dari keputusan yang dibuatnya.

3

Menurut anda, apakah pimpinan anda selalu memberikan peringatan kepada pegawai, bila ada pegawai yang berprilaku kurang sopan dilingkungan kerja

26

menciptakan ketentraman di dalam bekerja

5

Menurut anda, apakah pimpinan anda selalu

,mendukung para pegawai untuk menunjukkan prestasi terbaik

KETAATAN

1 Menurut anda, apakah pimpinan anda selalu

memberikan peringatan kepada pegawainya

2 Menurut anda, apakah pimpinan anda sering terlambat

datang bekerja

3 Menurut anda, apakah pimpinan anda jarang ikut rapat 4 Menurut anda, apakah pimpinan anda sering tidak hadir

dalam bekerja

5 Menurut anda, apakah pimpinan anda selalu

buang-buang waktu dalam bekerja

TANGGUNG JAWAB

1

Saya mendapatkan dan merasakan secara langsung motivasi yang diberikan oleh pimpinan jika saya bersalah

2 Pimpinan saya selalu mempertimbangkan dampak

positif dari keputusan yang dibuatnya

3 Pimpinan yang bijaksana sangat perlu dalam organisasi 4 Saya mendapatkan langsung motivasi yang diberikan

oleh pimpinan saya

27

5

Kebijakkan pimpinan dilingkungan kerja saya mempunyai pengaruh dalam meningkatkan kinerja pegawai

KERJA SAMA

1 Menurut anda, apakah pimpinan anda selalu melibatkan

pegawai terkait, untuk membuat suatu keputusan 2 Kebijakkan pimpinan dilingkungan kerja saya , terlebih

dahulu dimusyawarahkan dengan para pegawai 3

Menurut anda, apakah keputusan didalam didalam pekerjaan anda, tidak mutlak jika dapat pertentangan dari bawahaan

4 Menurut anda, apabila didalam masalah pekerjaan anda

tidak mengerti pimpinanan membiarkan anda? 5 Saya merasa komunikasi antara sesama rekan kerja

selama ini telah menumbuhkan rasa kekeluargaan

KEJUJURAN

1 Menurut anda pimpinan anda jujur dalam bekerja 2 Benarkah anda mendengar hak dari pegawai dalam

insentife bekerja dipotong oleh pimpinan anda? 3 Pernahkah gaji pegawai dibayarkan terlambat? 4 Pernahkah pimpinan anda mengajak anda berbuat tidak

sesuai dengan pekerjaan anda

5 Anda dapat mengetahui hak berdasarkan uraian tugas

yang diberikan

PRESTASI KERJA

1 Menurut saya, pimpinan saya selalu memberikan

motivasi

2 Pimpinan saya selalu mencerminkan semangat kerja

kepada pegawai

3 Saya merasa pimpinan saya memberikan disiplin untuk

meningkat kinerja pegawai

4 Menurut saya , pengalaman kerja yang baik menuntun

perusaan menjadi lebih baik

5

Menurut saya, pimpinan saya mempunyai pendidikan yang tinggi sehingga dapat mendukung kinerja dalam bekerja

28

Keterengan : 2 = Baik 1 = Cukup 0 = Kurang

Hasil dari penilaian responden dapat dilihat pada tabel 3.3 sampai 3.12. Tabel 3. 3 penilaian responden pertama

Tabel 3. 4 penilaian responden kedua

Soal Ketaatan

Prestasi Kerja

Tanggung

Jawab Kejujuran Kerjasama Kepemimpinan

2 1 0 2 1 0 2 1 0 2 1 0 2 1 0 2 1 0

1 √ √ √ √ √ √

2 √ √ √ √ √ √

3 √ √ √ √ √ √

4 √ √ √ √ √ √

5 √ √ √ √ √ √

Tabel 3. 5 penilaian responden ketiga

Soal Ketaatan

Prestasi Kerja

Tanggung

Jawab Kejujuran Kerjasama Kepemimpinan 2 1 0 2 1 0 2 1 0 2 1 0 2 1 0 2 1 0

1 √ √ √ √ √ √

2 √ √ √ √ √ √

3 √ √ √ √ √ √

4 √ √ √ √ √ √

5 √ √ √ √ √ √

Soal Ketaatan

Prestasi Kerja

Tanggung

Jawab Kejujuran Kerjasama Kepemimpinan

2 1 0 2 1 0 2 1 0 2 1 0 2 1 0 2 1 0

1 √ √ √ √ √ √

2 √ √ √ √ √ √

3 √ √ √ √ √ √

4 √ √ √ √ √ √

5 √ √ √ √ √ √

29

Tabel 3. 6 penilaian responden keempat

Soal Ketaatan

Prestasi Kerja

Tanggung

Jawab Kejujuran Kerjasama Kepemimpinan 2 1 0 2 1 0 2 1 0 2 1 0 2 1 0 2 1 0

1 √ √ √ √ √ √

2 √ √ √ √ √ √

3 √ √ √ √ √ √

4 √ √ √ √ √ √

5 √ √ √ √ √ √

Tabel 3. 7 penilaian responden kelima

Soal Ketaatan

Prestasi Kerja

Tanggung

Jawab Kejujuran Kerjasama Kepemimpinan 2 1 0 2 1 0 2 1 0 2 1 0 2 1 0 2 1 0

1 √ √ √ √ √ √

2 √ √ √ √ √ √

3 √ √ √ √ √ √

4 √ √ √ √ √ √

5 √ √ √ √ √ √

Tabel 3. 8 penilaian responden keenam

Soal Ketaatan

Prestasi Kerja

Tanggung

Jawab Kejujuran Kerjasama Kepemimpinan 2 1 0 2 1 0 2 1 0 2 1 0 2 1 0 2 1 0

1 √ √ √ √ √ √

2 √ √ √ √ √ √

3 √ √ √ √ √ √

4 √ √ √ √ √ √

30

Tabel 3. 9penilaian responden ketujuh

Soal Ketaatan

Prestasi Kerja

Tanggung

Jawab Kejujuran Kerjasama Kepemimpinan

2 1 0 2 1 0 2 1 0 2 1 0 2 1 0 2 1 0

1 √ √ √ √ √ √

2 √ √ √ √ √ √

3 √ √ √ √ √ √

4 √ √ √ √ √ √

5 √ √ √ √ √ √

Tabel 3. 10penilaian responden kedelapan

Soal Ketaatan

Prestasi Kerja

Tanggung

Jawab Kejujuran Kerjasama Kepemimpinan 2 1 0 2 1 0 2 1 0 2 1 0 2 1 0 2 1 0

1 √ √ √ √ √ √

2 √ √ √ √ √ √

3 √ √ √ √ √ √

4 √ √ √ √ √ √

5 √ √ √ √ √ √

Tabel 3. 11 penilaian responden kesembilan

Soal Ketaatan

Prestasi Kerja

Tanggung

Jawab Kejujuran Kerjasama Kepemimpinan

2 1 0 2 1 0 2 1 0 2 1 0 2 1 0 2 1 0

1 √ √ √ √ √ √

2 √ √ √ √ √ √

3 √ √ √ √ √ √

4 √ √ √ √ √ √

5 √ √ √ √ √ √

31

Tabel 3. 12 penilaian responden kelima

Soal Ketaatan

Prestasi Kerja

Tanggung

Jawab Kejujuran Kerjasama Kepemimpinan

2 1 0 2 1 0 2 1 0 2 1 0 2 1 0 2 1 0

1 √ √ √ √ √ √

2 √ √ √ √ √ √

3 √ √ √ √ √ √

4 √ √ √ √ √ √

5 √ √ √ √ √ √

Tabel 3. 13 Hasil 10 orang responden Responden Ketaatan Prestasi

Kerja

Tanggung

jawab Kejujuran Kerjasama Kepemimpinan

1 4 5 9 8 6 7

2 3 4 8 6 8 8

3 5 3 5 6 6 5

4 5 4 6 7 6 6

5 3 4 5 7 7 5

6 3 6 5 5 5 7

7 6 5 6 4 6 8

8 5 3 5 6 4 4

9 6 4 7 6 8 6

10 5 7 4 5 6 5

Total 45 45 60 60 62 61

Dapat disimpulkan bahwa ketaatan bernilai 45, prestasi kerja benilai 45, tanggung jawab bernilai 60, kejujuran bernilai 60, kerjasama bernilai 62 dan kepemimpinan bernilai 61.

3.2 Triangular Fuzzy Number

3.2.1 Jenis – jenis kriteria berdasarkan tingkat kepentingan

Dalam analisis metode fuzzy analitycal hierarchy process (FAHP) dalam menentukan posisi jabatan. Pendukung keputusan akan memberikan variabel dan kisaran nilai untuk masing-masing kriteria. Yang kemudian akan direpresentasikan menggunakan fuzzy segitiga. kriteria-kriteria tersebut dapat dilihat pada tabel 3.14

32

Tabel 3. 14 Tingkat kepentingan kriteria

Kriteria Variabel Kisaran Nilai Ketaatan

Kurang [0 - 43] Cukup [41 - 66]

Baik [64 - 100] Prestasi Kerja

Kurang [0 - 40] Cukup [38 - 65]

Baik [63 - 100] Tanggung Jawab

Kurang [0 - 41] Cukup [39 - 66]

Baik [64 - 100] Kejujuran

Kurang [0 - 39] Cukup [37 - 63]

Baik [61 - 100] Kerjasama

Kurang [0 - 42] Cukup [41 - 65]

Baik [63 - 100] Kepemimpinan

Kurang [0 - 45] Cukup [41 - 65]

Baik [63 - 100]

3.2.2 Derajat keanggotaan dan fuzzy segitiga

Dalam AHP judgement yang dilakukan oleh pengambil keputusan atau pakar tidak bersifat deterministik, namun lebih merupakan persepsi yang linguistik. Pendekatan konsep fuzzy dilakukan untuk menutupi kelemahan dari AHP yaitu permasalahan terhadap kriteria yang bersifat subjektif yang direpresentasikan dalam urutan skala. Dalam penelitian ini skala yang bersifat linguistik tersebut dikonversikan kedalam fuzzy segitiga (Triangular Fuzzy Number). Nilai tersebut diambil berdasarkan penilaian dari responden.

Pada gambar 3.3 dapat dilihat cara kerja fuzzy segitiga untuk penilaian kriteria ketaatan.

33

a. Kriteria ketaatan (KT)

Tabel 3. 15 Kriteria ketaatan Variabel Kisaran Nilai Kurang 0 - 43

Cukup 41 - 66 Baik 64 - 100

Ketaatan

0

41 45 64 65 66 100 1

0,2

Gambar 3. 3 Ketaatan keanggotaan fuzzy segitiga

Fungsi keanggotaan fuzzy segitiga: µ [45] = (45-41) / (64-41)

= 4/23 = 0,2

Pada gambar 3.4 dapat dilihat cara kerja fuzzy segitiga untuk penilaian kriteria prestasi kerja.

34

b. Kriteria prestasi kerja (PK)

Tabel 3. 16 Kriteria prestasi kerja

Variabel Kisaran Nilai Kurang 0 - 40

Cukup 38 - 65 Baik 63 - 100

0

38 45 63 65 100

1

0,28

Prestasi kerja

40

Gambar 3. 4 Prestasi kerja keanggotaan fuzzy segitiga

Fungsi keanggotaan fuzzy segitiga: µ [45] = (45-38) / (63-38)

= 7/25 = 0,28

Pada gambar 3.5 dapat dilihat cara kerja fuzzy segitiga untuk penilaian kriteria tanggung jawab.

c. Kriteria tanggung jawab (TJ)

Tabel 3. 17 Kriteria tanggung jawab Variabel Kisaran Nilai Kurang 0 - 41

Cukup 39 - 66 Baik 64 - 100

35

0

39 41 60 64 66 100

1

0,84

Tanggung Jawab

Gambar 3. 5 Tanggung jawab keanggotaan fuzzy segitita

Fungsi keanggotaan fuzzy segitita: µ [60] = (60-39) / (64-39)

= 21/25 = 0,84

Pada gambar 3.6 dapat dilihat cara kerja fuzzy segitiga untuk penilaian kriteria kejujuran.

d. Kriteria kejujuran (KJ)

Tabel 3. 18 Kriteria kejujuran Variabel Kisaran Nilai Kurang 0 - 39

Cukup 37 - 63 Baik 61 - 100

36

0

37 39 60 61 63 100

1 0,93

Kejujuran

Gambar 3. 6 Kejujuran kenggotaan fuzzy segitiga Fungsi kenggotaan fuzzy segitiga:

µ [60] = (60-37) / (61-37) = 23/24

= 0,93

Pada gambar 3.7 dapat dilihat cara kerja fuzzy segitiga untuk penilaian kriteria kerjasama.

e. Kriteria kerjasama (KS)

Tabel 3. 19 Kriteria kerjasama Variabel Kisaran Nilai Kurang 0 - 42

Cukup 41 - 65 Baik 63 - 100

37

0

41 62 63 65 100

1

0,95

Kerjasama

42

Gambar 3. 7 Kerjasama kenggotaan fuzzy segitiga

Fungsi kenaggotaan fuzzy segitiga: µ [62] = (62-41) / (63-41)

= 21/22 = 0,95

Pada gambar 3.8 dapat dilihat cara kerja fuzzy segitiga untuk penilaian kriteria kepemimpinan.

f. Kriteria kepemimpinan (KP)

Tabel 3. 20 Kisaran kriteria kepemimpinan Variabel Kisaran Nilai

Kurang 0 - 45 Cukup 41 - 65 Baik 63 - 100

38

0

38 45 63 65 100

1

0,90

Kepemimpinan

40 61

Gambar 3. 8 Kepemimpinan kenggotaan fuzzy segitiga

µ [61] = (61-41) / (63-41) = 20/22

= 0,90

Berdasarkan (Cheng, 1999) dalam (kusumadewi, 2006), bentuk linguistik yang direpresentasikan sebagai bilangan fuzzy segitiga dikategorikan sebagai berikut :

- “Sangat Tinggi” = (1; 0,8; 1) - “Tinggi” = (0,75; 0,6; 0,9)

- “Cukup” = (0,5; 0,3; 0,7)

- “Rendah” = (0,25; 0,05; 0,45)

- “Sangat Rendah” = (0; 0; 0,2)

Dari nilai parameter tersebut penulis mengambil beberapa nilai parameter yaitu tinggi cukup dan rendah untuk setiap kriteria-kriteria. Berdasarkan nilai dari parameter tersebut, dapat kita lihat representasi dari fuzzy segitiga yaitu:

KT = 0,2

Variabel = Kurang (0.25, 0,05, 0.45) = (0.05, 0.01, 0,09)

39

PK = 0,28

Variabel = Cukup (0.5, 0.3,0.7) = (0.14, 0.08, 0.19)

TJ = 0,84

Variabel = Cukup (0.5, 0.3, 0.7) = (0.42, 0.25, 0.59)

KJ = 0,93

Variabel = Baik (0.75, 0.6, 0.9) = (0.69, 0.56, 0.83)

KS = 0,95

Variabel = Cukup (0.5, 0.3, 0.7) = (0.47, 0.28, 0.66)

KP = 0,90

Variabel = Baik (0.75, 0.6, 0.9) = (0.67, 0.54, 0.81)

Berdasarkan representasi dari fuzzy segitiga dapat disimpulkan nilai dari kriteria untuk menentukan matriks perbandingan berpasangan yang dapat dilihat pada tabel 3.10.

Tabel 3. 21 Menentukan matriks perbandingan berpasangan Kriteria Nilai Skala Pasangan Keterangan

KT kurang 1 1 sama penting

PK cukup 3 1/3

agak lebih penting yang 1 dengan yang lainnya

TJ cukup 3 1/3

agak lebih penting yang 1 dengan yang lainnya

KJ baik 5 1/5 cukup penting

KS cukup 3 1/3

agak lebih penting yang 1 dengan yang lainnya

40

Dari tabel 3.21, dimana kriteria ketaatan (KT) bernilai kurang yang diberi skala 1 dengan pengertian sama penting, untuk kriteria prestasi kerja (PK) bernilai lebih besar dari ketaatan (KT) yang diberi skala 3 dengan pengertian agak lebih penting yang 1 dengan yang lain. Kriteria tanggung jawab (TJ) mendapatkan nilai yang sama dengan prestasi kerja (PK) yaitu cukup dengan skala 3. Sedangkan kriteria kejujuran mendapatkan nilai yang lebih tinggi yaitu baik yang diberi skala 5 dengan pengertian cukup penting. kriteria kerjasama (KS) juga mendapatkan nilai yang sama dengan nilai prestasi kerja (PK) dan tanggung jawab (TJ) dengan nilai cukup diberi skala 3. Yang terakhir kriteria kepemimpinan mendapatkan nilai baik yang diberi skala 4 dengan pengertian nilai satu lebih cukup penting dari yang lainnya atau nilai tengah. Berdasarkan tabel dapat ditentukan matriks perbandingan berpasangan yang dapat dilihat pada tabel 3.22 dan 3.23.

3.3 Fuzzy Analytic Hierarchy Process (FAHP) 3.3.1 Matriks Perbandingan Berpasangan Fuzzy

Tabel 3. 22 Matriks perbandingan berpasangan fuzzy

Kriteria KT PK TJ

l m u l m u l m u

KT 1.00 1.00 1.00 1.00 1.50 2.00 1.00 1.50 2.00 PK 0.50 0.60 1.00 1.00 1.00 1.00 1.00 1.50 2.00 TJ 0.50 0.60 1.00 0.50 0.60 1.00 1.00 1.00 1.00 KJ 0.40 0.50 0.60 0.50 0.60 1.00 0.50 0.60 1.00 KS 0.50 0.60 1.00 0.50 0.60 1.00 0.50 0.60 1.00 KP 0.40 0.50 0.60 0.50 0.60 1.00 0.50 0.60 1.00

41

Tabel 3. 23 Matriks perbandingan berpasangan fuzzy

Kriteria KJ KS KP

l m u l m u l m u

KT 1.50 2.00 2.50 1.00 1.50 2.00 1.50 2.00 2.50 PK 1.00 1.50 2.00 1.00 1.50 2.00 1.00 1.50 2.00 TJ 1.00 1.50 2.00 1.00 1.50 2.00 1.00 1.50 2.00 KJ 1.00 1.00 1.00 1.00 1.50 2.00 1.00 1.50 2.00 KS 0.50 0.60 1.00 1.00 1.00 1.00 1.00 1.50 2.00 KP 0.50 0.60 1.00 0.50 0.60 1.00 1.00 1.00 1.00 Setelah matriks perbandingan berpasangan didapat dilakukan perhitungan dari masing-masing nilai l,m,u. Yang dapat dilihat pada tabel 3.24.

Tabel 3. 24 Perhitungan jumlah baris setiap kolom l,m,u

No I m u

1 7.00 9.50 12.00 2 5.50 7.60 10.00 3 5.00 6.70 9.00 4 4.40 5.70 7.60 5 4.00 4.90 7.00 6 3.40 3.90 5.60

42

3.3.2 Fuzzy Sintesis

Setelah jumlah baris dan kolom didapat, maka dilakukan perhitungan nilai fuzzy sintesis dari masing-masing kriteria sebagai berikut:

SKT =

= (0.14, 0.25, 0.41) SPK =

= (0.11, 0.20, 0.34) STJ =

= (0.10, 0.17, 0.31) SKJ =

= (0.09, 0.15, 0.26) SKS =

= (0.08, 0.13, 0.24) SKP =

= (0.07, 0.10, 0.19)

43

Perhitungan nilai fuzzysintesis diatas dapat disimpulkan pada tabel 3.25. Tabel 3. 25 Perhitungan fuzzysintesis (Si)

Kriteria Si

l m u KT 0.14 0.25 0.41 PK 0.11 0.20 0.34 TJ 0.10 0.17 0.31 KJ 0.09 0.15 0.26 KS 0.08 0.13 0.24 KP 0.07 0.10 0.19

3.3.3 Penentuan Nilai Bobot Vektor (V)

Pada proses ini menerapkan pendekatan fuzzy yaitu fungsi implikasi minimum (min) fuzzy.

a. Ktiteria 1

VKT = KT ≥ (PK, TJ, KJ, KS, KP) =

= - 10 =

= - 8.5 =

= -2.4 =

= -2 =

44

b. Kriteria 2

VPK = PK ≥ (KT, TJ, KJ, KS, KP) =

= 15 =

= 0 =

= -5 =

= -003 =

= - 1.6 c. Kriteria 3

VTJ = TJ ≥ (KT, PK, KJ, KS, KP) =

= 15.5 = = 0 =

= -5.33 =

= -4.67 =

= - 0.40

45

d. Kriteria 4

VKJ = KJ ≥ (KT, PK, TJ, KS, KP) =

= 6.4 =

= 8.33 =

= 7.33 =

= 0 =

= 4.5 e. Kriteria 5

VKS = KS ≥ (KT, PK, TJ, KJ, KP) =

= 6.6 =

= 8.67 =

= 7.67 =

= 0 =

46

f. Kriteria 6

VKP = KP ≥ (KT, PK, TJ, KJ, KS) =

= 4.86 =

= 6.8 =

= 4.8 =

= 9.5 =

= -8.5

Kesimpulan dari bobot vektor dapat dilihat pada tabel 3.26.

Tabel 3. 26 Bobot Vektor

Kriteria

Bobot Vektor KT

0.71

PK

0.03

TJ

0.40

KJ

0.02

KS

1.00

KP

4.80

47

3.4 Analytic Hierarchy Process (AHP) 3.4.1 Menghitung Bobot Kriteria

Langkah 1. Menyusun matriks perbandingan berpasangan

Tabel 3. 27 Matriks Perbandingan Berpasangan AHP

KT PK TJ KJ KS KP

KT _{1.00 3.00 3.00 5.00 3.00 4.00}

PK _{0.30 1.00 3.00 3.00 3.00 3.00}

TJ _{0.30 0.30 1.00 3.00 3.00 3.00}

KJ _{0.20 0.30 0.30 1.00 3.00 3.00}

KS _{0.30 0.30 0.30 0.30 1.00 3.00}

KP _{0.25 0.30 0.30 0.30 0.30 1.00}

Langkah 2. Menghitung nilai eigen maksimum a. Mencari nilai ∑kolom

Dari matriks perbandingan berpasangan dilakukan perhitungan untuk mencari nilai

∑kolom, dengan menambahkan masing-masing kolom dari kriteria. Tabel 3. 28 Perhitungan ∑kolom

KT PK TJ KJ KS KP

KT _{1.00 3.00 3.00 5.00 3.00 4.00}

PK _{0.30 1.00 3.00 3.00 3.00 3.00}

TJ _{0.30 0.30 1.00 3.00 3.00 3.00}

KJ _{0.20 0.30 0.30 1.00 3.00 3.00}

KS _{0.30 0.30 0.30 0.30 1.00 3.00}

KP _{0.25 0.30 0.30 0.30 0.30 1.00}

∑kolom 2.35 5.20 7.90 12.60 13.30 17.00 b. Mencari nilai ∑baris

Setelah dilakukan perhitungan ∑kolom, nilai dari matriks perbandingan dibagi

dengan nilai ∑kolom dari masing-masing kriteria, lalu dijumlahkan tiap barisnya yang menghasilkan ∑baris.

48

Tabel 3. 29 Perhitungan ∑baris

KT PK TJ KJ KS KP ∑_baris

KT _{0.43 0.58 0.38 0.40 0.23 0.24 2.24}

PK _{0.13 0.19 0.38 0.24 0.23 0.18 1.34}

TJ _{0.13 0.06 0.13 0.24 0.23 0.18 0.95}

KJ _{0.09 0.06 0.04 0.08 0.23 0.18 0.66}

KS _{0.13 0.06 0.04 0.02 0.08 0.18 0.50}

KP _{0.11 0.06 0.04 0.02 0.02 0.06 0.31}

∑kolom 1.00 1.00 1.00 1.00 1.00 1.00 6.00

c. Mencari nilai eigen maksimum

Untuk mencari nilai eigen, yaitu dengan membagi nilai ∑baris dengan total ∑baris yang dapat dilihat pada tabel 3.30.

Tabel 3. 30 Mencari nilai eigen (2.24/6.00) 0.37

(1.34/6.00) 0.22 (0.95/6.00) 0.16 (0.66/6.00) 0.11 (0.50/6.00) 0.08 (0.31/6.00) 0.05

Setelah dilakukan perhitungan, maka didapat nilai eigen yang dapat dilihat pada tabel 3.31.

Tabel 3. 31 Nilai eigen Nilai eigen

KT _0.37

PK 0.22

TJ _0.16

KJ _0.11

KS _0.08

KP _0.05

58

Hasil dari keputusan dapat ditampilkan dengan format pdf, exel, dan word. Dan juga dapat diprint. Dapat dilihat pada gambar 4.6

Gambar 4. 5 Tampilan Hasil Keputusan menggunakan FAHP

BAB 5

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Berdasarkan penelitian yang dilakukan dalam menentukan posisi jabatan dengan menggunakan banyak kriteria dan alternatif. Maka dapat diambil kesimpulan, metode Fuzzy AHP tidak hanya memberikan satu nilai, tetapi memberikan nilai yang lebih objektif dalam menetukan perbandingan alternatif kriteria.

Berdasarkan hasil penelitian dapat diambil kesimpulan, prestasi kerja menjadi kriteria tertinggi dengan bobot prioritas 6.95, kemudian ketaatan dengan bobot prioritas 6.76, tanggung jawab dengan bobot prioritas 6.63, kejujuran dengan bobot priorotas 6.27, kerjasama dengan bobot prioritas 6.12 dan yang terakhir kepemimpinan dengan bobot prioritas 6.2. Sedangkan yang menjadi alternatif pilihan, alternatif C mendapatkan nilai tertinggi dengan bobot 21.65 yang ke dua adalah alternatif B dengan bobot 21.44 dan yang terakhir alternatif A dengan bobot 20.25.

5.2 Saran

Penelitian ini dapat dikembangkan lagi dengan menggunakan lebih banyak kriteria dan alternatife dalam menentukan posisi jabatan.

DAFTAR PUSTAKA

Chang, D. Y. (1996).

Applications of The Extent Analysis Method on Fuzzy AHP. European Jurnal of

Operational Research, 95, 649-655. Figueira, J., Greco, S. & Ehrgott,M. (2005).

Multiple Criteria Decision Analysis. Print ©2005 Springer Science Business

Media, Inc. ISBN: 0-387-23067-X. Hartono, Hidayat, A. & Dwi, H.J.U. (2013).

Bentuk KerjaSama Public-Private Pembangunan Graving Dock dan

Manajemen Galangan Kapal Dengan Metode Analytical Hierarchi Process

(AHP).Vol. 34 No.1, ISSN 0852-1697.

Kong, F. & Liu, H. (2005)

Applying Fuzzy Analytic Hierarchy Process To Evaluate Success Factors Of

E-Commerce. Internasional Journal of Information And Systems Vol 1,

Number 3-4, Page 406-412. Institute For Scientific Computing And Information.

Kopytov, E. & Abramov, D. (2012).

Multiple-Criteria Analysis And Choice Of Transportation Alternatives In

Multimodal Freight Transport System. Transport and Telecommunication,

2012, Volume 13, No 2, 148–158.

Kusumadewi Sri, Hartati S, Harjoko A, Wardoyo R. (2006).

Fuzzy Multi Attribute Decision Making (Fuzzy MADM). Graha Ilmu.

Yogyakarta. Moengin, P. (2013).

Model AHP/DEA Untuk Mengukur Efisiensi Penggunaan Teknologi Gas

61

Shega, H.N.H., Rahmawati, R. & Yasin, H. (2012)

Penentuan faktor prioritas mahasiswa dalam memilih telepon seluler merk

blackberry dengan fuzzy AHP. Jurnal Gaussian, Volume 1, Nomor 1, Tahun

2012, Halaman 73-82. Syamsuddin, I. & Hwang, J .(2009).

The Application of AHP Model to Guide Decision Makers: A Case Study of

E-Banking Security. Fourth International Conference on Computer Sciences and

Convergence Information Technology. Ramdhani,M.A. (2001).

Perancangan Sistem Pendukung Keputusan Kriteria Majemuk Pada

Pengambilan Keputusan Kelompok. Disertasi Doktor Departemen Teknik

Industri ITB.Bandung. Saaty, Thomas L. (1988).

“Multicriteria Decision Making - The Analytic Hierarchy Process”.

Typeset in GreT Britain by Eta Service Typesetters) Ltd. Beccles Sufflolk Printed and Bound in the United States America.

Saaty,Thomas L. (1980).

Analytic Hierarchy Process. Mc Graw hill : New York.

(2001), Decision Making with Dependence and Feedback : The Analytic

Network Process. RWS Publications :Pittsburgh,PA.

Saaty Thomas.L (1990).

“How to make a decision: The Analytic Hierarchy Process”. European journal of operational research 48 (1990) 9-26 North-Holland.

Witjaksono, A.W (2009)

Perancangan Sistem Pengukuran Kinerja Di Apotik XYZ Dengan Menggunakan Metode Integrated Performance Asurement Systems (IPMS)

Dan Pembobotan Triangular Fuzzy AHP. Fakultas Teknik Universitas Sebelas

Maret Surakarta

Ziller, A., Worndl, M. & Bichler, A. (2008).

62

Zeki, A. G & Ozdemir,R.G. (2006).

A Fuzzy AHP Approach To Evaluating Machine Tool Alternatives. Received:

July 2004 / Accepted: August 2005© Springer Science + Business Media, Inc. 2006

LAMPIRAN

DAFTAR PUBLIKASI ILMIAH PENULIS (TESIS)

No Judul

Artikel Penulis

Publikasi (Seminar/Jurnal)

Waktu

Publikasi Tempat 1