Perhitungan Faktor Pembobotan Hirarki untuk Semua Kriteria

BAB 3 PEMBAHASAN Pada bab ini akan dibahas secara khusus penetapan urutan faktor-faktor yang mempengaruhi konsumen dalam memilih jasa perbankan dengan menggunakan analytical hierarchy process AHP . Data yang diambil dari 30 responden sudah mewakili responden – responden lain yang tidak ikut mengisi kuisioner karena telah dilakukan wawancara langsung dengan tiap – tiap responden.

3.1 Perhitungan Faktor Pembobotan Hirarki untuk Semua Kriteria

Hasil analisis preferensi gabungan dari 30 responden menunjukkan bahwa: dalam memberikan pelayanan jasa perbankan PT. Bank Mandiri PERSERO, 2 kali lebih baik dari PT. Bank Negara Indonesia PERSERO, 4 kali lebih baik dari dari PT. Bank Rakyat Indonesia PERSERO, 7 kali lebih baik dari PT. Bank Tabungan Negara PERSERO, 9 kali lebih baik dari PT. Bank Ekspor Indonesia PERSERO, dan 6 kali lebih baik dari Bank Pembangunan Daerah Sumatera Utara. Bank Negara Indonesia BNI 4 kali lebih baik dari Bank Rakyat Indonesia BRI, 6 kali lebih baik dari Bank Tabungan Negara BTN, 8 kali lebih baik dari Bank Ekspor Indonesia BEI, dan 7 kali lebih baik dari Bank Pembangunan Daerah Sumatera Utara BPD SUMUT. BRI 2 kali lebih baik dari BTN, 7 kali lebih baik dari BEI. BTN 2 kali lebih baik dari BEI. Sedangkan BPD SUMUT 3 kali lebih baik dari BTN dan 4 kali lebih baik dari BEI. Tabel 3.1 Matriks Faktor Pembobotan Hirarki Untuk Semua Kriteria BNI MANDIRI BRI BTN BEI BPDSU BNI 1 12 4 6 8 7 MANDIRI 2 1 4 7 9 6 BRI 14 14 1 2 7 1 BTN 16 17 12 1 2 13 BEI 18 19 17 12 1 ¼ BPDSU 17 16 1 3 4 1 Universitas Sumatera Utara Tabel 3.2 Matriks Faktor Pembobotan Hirarki untuk semua kriteria yang didesimalkan. BNI MANDIRI BRI BTN BEI BPDSU BNI 1,000 0,500 4,000 6,000 8,000 7,000 MANDIRI 2,000 1,000 4,000 7,000 9,000 6,000 BRI 0,250 0,250 1,000 2,000 7,000 1,000 BTN 0,167 0,143 0,500 1,000 2,000 0,333 BEI 0,125 0,111 0,143 0,500 1,000 0,250 BPDSU 0,143 0,167 1,000 3,000 4,000 1,000 ∑ 3,685 2,171 10,643 19,500 31,000 15,583 Dengan unsur – unsur pada tiap kolom dibagi dengan jumlah kolom yang bersangkutan, akan diperoleh bobot relatif yang dinormalkan. Nilai vektor eigen dihasilkan dari rata –rata bobot bobot relatif untuk untuk setiap baris. Hasilnya dapat pada tabel berikut Tabel 3.3 Matriks Faktor Pembobotan Hirarki untuk Semua Kriteria yang dinormalkan BNI MANDIRI BRI BTN BEI BPDSU Vektor eigen yang dinormalkan BNI 0,271 0,230 0,376 0,308 0,258 0,449 0,315 MANDIRI 0,543 0,461 0,376 0,359 0,290 0,385 0,402 BRI 0,068 0,115 0,094 0,103 0,226 0,064 0,112 BTN 0,045 0,066 0,047 0,051 0,065 0,021 0,049 BEI 0,034 0,051 0,013 0,026 0,032 0,016 0,029 BPDSU 0,039 0,077 0,094 0,154 0,129 0,064 0,093 Universitas Sumatera Utara Selanjutnya nilai eigen maksimum λmaksimum didapat dengan menjumlahkan hasil perkalian jumah kolom dengan vektor eigen. Nilai eigen maksimum yang dapat diperoleh adalah: λmaksimum = 3,685 x 0,315 + 2,171 x 0,402 + 10,643 x 0,112 + 19,500 x 0,049 + 31,00 x 0,029 + 15,583 x 0,093 = 6,519 Karena matriks berordo 6 yakni terdiri dari 6 kriteria, nilai indeks konsistensi yang diperoleh : CI = = = = 0,104 Untuk n = 6, RI = 1,240 tabel Saaty, maka: CR = = 0,084 0,100 Karena CR 0,100 berarti preferensi responden adalah konsisten. Dari perhitungan tabel di atas menunjukkan bahwa : Bank Mandiri adalah bank milik pemerintah yang paling bagus menurut masyarakat kelurahan Padang Bulan Medan dengan bobot 0,402 atau 40,2, berikutnya adalah BNI dengan bobot 0,315 atau 31,5 kemudian BRI dengan bobot 0,112 atau 11,2, BPDSU dengan bobot 0,093 atau 9,3, BTN dengan bobot 0,049 atau 4,9 dan BEI dengan bobot 0,029 atau 2,9.

3.1.1 Faktor Prioritas

Untuk memperoleh faktor prioritas pada tabel 3.2, disetiap baris dikalikan dan selanjutnya ditarik akar berpangkat n. Hasil dari setiap baris ini kemudian akan dibagi dengan jumlah dari hasil semua baris. Tabel 3.4 Matriks Faktor Prioritas BNI MANDIRI BRI BTN BEI BPDSU BNI 1,000 0,500 4,000 6,000 8,000 7,000 MANDIRI 2,000 1,000 4,000 7,000 9,000 6,000 BRI 0,250 0,250 1,000 2,000 7,000 1,000 BTN 0,167 0,143 0,500 1,000 2,000 0,333 BEI 0,125 0,111 0,143 0,500 1,000 0,250 BPDSU 0,143 0,167 1,000 3,000 4,000 1,000 Universitas Sumatera Utara Dengan demikian dapat diperoleh faktor prioritasnya yaitu: = 2,960 = 3,803 = 0,978 = 0,447 = 0,251 = 0,812 ∑ = 9,251 Faktor Prioritas : 2,960 : 9,251 = 0,320 3,803 : 9,251 = 0,411 0,978 : 9,251 = 0,106 0,447 : 9,251 = 0,048 0,251 : 9,251 = 0,027 0,812 : 9,251 = 0,088

3.2 Perhitungan Faktor Evaluasi untuk Bank Negara Indonesia BNI

Dokumen yang terkait

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

Penentuan Komoditas Unggulan Pertanian Dengan Metode Analytical Hierarchy Process (AHP) (Studi Kasus: Pertanian Kecamatan Parbuluan, Kabupaten Dairi)

18 117 72

Analisa Pemilihan Moda Transportasi Dengan Metode Analytic Hierarchy Process ( AHP ) Studi Kasus : Kuala Namu - Medan

22 147 107

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

Pendekatan Analytic Hierarchy Process (AHP) Dalam Pemilihan Supplier (Pemasok)

0 35 51