Metode Pengumpulan Data Metode Analisis Data

3.3. Waktu dan Tempat Penelitian

Penelitian ini dilakukan di Perusahaan Daerah jasa transportasi Bogor sebagai pihak pengelolan Jasa transportasi Transpakuan Bogor. penelitian ini mulai dilaksanakan semenjak bulan September 2012 hingga selasai pada bulan Desember 2012. Sebelum melaksanakan penelitian ke lapadangan, peneliti terlebih dahulu melakukan kegiatan pra penelitian semenjak bulan April 2012. Kegiatan pra penelitian bertujuan untuk melakukan kajian kepustakaan dan survey mengenai lokasi penelitian agar penelitian dapat berjalan dengan baik. Pemilihan Transpakuan sebagai objek penelitian karena Transpakuan dianggap sebagai suatu solusi transportasi di masa mendatang bagi kota Bogor, untuk itu perlunya penelitian secara ilmiah mengenai langkah pemasaran yang tepat bagi Transpakuan bogor.

3.4. Jenis dan Sumber Data

Penelitian ini menggunakan 2 jenis data, yaitu data primer dan data sekunder. Data primer merupakan data yang didapat langsung dari kajian lapangan berupa pengamatan langsung, wawancaran dan pengisisan kuisioner kepada pihak yang terkait dengan kegiatan operasional Transpakuan Bogor. Data sekunder merupakan data yang telah dikumpulakan dan digunakan sebelumnya. Data sekunder ini berupa laporan kinerja dan keuangan dari Perusahaan Daerah Jasa Transportasi sebagai pengelola Transpakuan Bogor, literatur, dan data pendukung lainya yang berasal dari internet.

3.5. Metode Pengumpulan Data

Data primer maupun sekunder dikumpulkan dengan berbagai cara, yaitu : a. Pengamatan Langsung : melaksanakan pengamatan langsung terhadap kegiatan operasioanal yang dilakukan oleh Perusahaan Daerah Jasa Transportasi. b. Wawancara : melakukan wawancara secara langsung terhadap beberapa orang karyawan Perusahaan Daerah Jasa Transportasi untuk mendapatkan data yang lebih lengkap c. Kajian kepustakaan : mempelajari buku-buku, literatur, dan kajian lainnya terkait tentang penelitian yang dilaksanakan. d. Kuesioner : menyebaran kuisioner kepada beberapa karyawan serta pengguna jasa Transpakuan untuk tujuan penelitian. e. Mengumpulkan laporan0laporan yang dibutuhkan pada PDJT

3.6. Metode Analisis Data

Data yang diperoleh dalam penelitian dianalisis baik secara kualitatif maupun kuantitatif. Data yang didapat melalui pengamatan langsung ,kajian pustaka, dan wawancara kepada beberapa pihak terkait diolah secara kualitatif. Sedangkan, data yang didapat dari penyebaran kueisioner dianalisis secara kuantitatif. Data kuantitatif dianalisis menggunakan metode AHP. Penggunaan metode AHP karen metode ini memiliki aspek kualitatif dan kuantitaif pengambilan keputusan berdasarkan penilaian yang logis dan sistematis, sehingga mampu memberikan kemudahan dalam menganalisis data yang didapat. Penentuan prioritas dengan AHP dilakukan dengan bantuan software Expert Choice dan dengan perhitungan manual. Metode Analytical Hierarchy Process AHP memiliki 4 landasan aksiomatik dalam penyelesaian oermasalahan multifaktor, antara lain : 1. Reciprocal Comparison. Keputusan harus memiliki perbandingan dan preferensinya, dan preferensi tersebut harus memiliki syarat resiprikal. Jika A lebih dibutuhkan dari B sebanyak skala x, maka B lebih dibutuhkan dari A sebesar skala 2. Homogenity, preferensi harus dapat dinyatakan dalam skala terbatas dan elemen-elemennya dapat saling diperbandingkan satu sama lainnya. Aksioma ini takterpenuhi jika elemen-elemenya tidak homogenous dan harus dibentuk menjadi suatu kelompok yang baru. 3. Independence, preferensi mengasumsikan bahwa kriteria tidak dipengaruhi oleh alternatif-alternatif yang ada, melainkan oleh objektif secara keseluruhan. Hal ini menunjukan bahwa pola ketergantungan dalam model AHP searah ke atas, artinya perbandingan antar elemen-elemen dalam satu level dipengaruhi atau tergantung oleh elemen-elemen dalam level diatasnya. 4. Expectations, dalam pengambilan keputusan struktur hierarki diasumsikan lengkap. Apabila asumsi ini tidak dipenuhi maka si pengambil keputusan tidak memakai seluruh kriteria yang ada sehingga keputusan yang diambil dianggap tidak lengkap. Pemecahan masalah menggunakan metode Analytical Hierarchy Process harus memahami beberapa prinsip dasar, antara lain : 1. Decomposition, membagi masalah yang kompleks menjadi elemen-elemen hierarki dalam pengambilan keputusan, dimana setiap elemen saling berhubungan. Pembagian elemen dilakukan hingga elemen tidak dapat dipecah lagi sehingga didapat beberapa tingkat dari masalah yang hendak diselesaikan. Pemecahan ini memiliki 3 level utama, yaitu : Goal, Kriteria, dan Alternatif. Gambar 4. Elemen hierarki AHP Saaty, 1993 2. Comparative Judgement, penilaian tentang kepentingan relatif dua elemen pada suatu tingkat tertentu dalam kaitannya dengan tingkatan diatasnya. Penilaian ini merupakan inti dari AHP karena akan berpengaruh terhadap urutan prioritas dari elemen – elemennya. Hasil dari penilaian ini lebih mudah disajikan dalam bentuk matriks pairwise comparisons yaitu matriks Goal Kriteria 2 Kriteria 1 Alternativ 4 Alternativ 3 Alternativ 2 Alternativ 1 Kriteria 3 perbandingan berpasangan memuat tingkat preferensi beberapa alternatif untuk tiap kriteria. Skala preferensi yang digunakan yaitu skala 1 yang menunjukkan tingkat yang paling rendah equal importance sampai dengan skala 9 yang menujukkan tingkatan paling tinggi extreme importance. 3. Synthesis of Priority, menggunakan eigen vector method untuk mendapatkan bobot relatif bagi unsur – unsur pengambilan keputusan. menggunakan eigen vector method untuk mendapatkan bobot relatif bagi unsur – unsur pengambilan keputusan. 4. Logical Consistency, merupakan karakteristik penting AHP. Hal ini dicapai dengan mengagresikan seluruh eigen vector yang diperoleh dari berbagai tingkatan hirarki dan selanjutnya diperoleh suatu vektor composite tertimbang yang menghasilkan urutan pengambilan keputusan. Tahap-tahap dalam menganalisis data yang telah didapat dengan menggunakan metode AHP pada dasarnya adalah sebagai berikut Saaty, 1993: 1. Mendefinisikan masalah dan menentukan solusi yang diinginkan. 2. Membuat struktur hierarki yang diawali dengan sasaran utama, dilanjutkan dengan tujuan,aktor-aktor yang memberikan dorongan,kriteria-kriteria dan alternatif-alternatif yang ingin dirangking. Struktur ini dibuat dengan saling berkait antara satu level dengan level lainnya. Struktur dalam AHP bukanlah suatu yang kaku, namun sangat fleksibel dan berubah sesuai dengan kebutuhan pemecahan masalahnya. 3. Membentuk matriks perbandingan berpasangan yang menggambarkan kontribusi rlatif atau pengaruh setiap elemen terhadap masing-masing tujuan atau kriteria yang setingkat diatas. Perbandingan dilakukan berdasarkan pilihan atau judgement dari pembuat keputusan dengan menilai tingkat- tingkat kepentingan suatu elemen dibandingkan elemen lainnya. 4. Mengumpulkan semua pertimbangan yang diperlukan untuk pengembangan perangkat pada langkah ke 3. Setelah matrik perbandingan berpasangan antar elemen dibuat, dilakukan perbandingan antar setiap elemen. Untuk mengisi matrik berpasangan digunakan skala nilai perbandingan. 5. Memasukan nilai-nilai kebalikannya beserta bilangan 1 sepanjang diagonal utama, penentuan prioritas dan pengujian konsistensi. Angka 1 sampai 9 digunakan bila Fi lebih mendominasi atau mempengaruhi faktor puncak hierarki G dibanding Fj. Sedangkan bila Fj kurang mendominasi atau kurang mempengaruhi G dibanding Fj, maka mendapat angka kebalikannya. 6. Mengulaingi langkah 3, 4, dan 6 untuk seluruh tingkat hierarki. Metode pembandingan dalam AHP dibedakan menjadi dua, yaitu Matrik Perbandingan Individu MPI dan Matriks Perbandingan Gabungan MPG. MPI merupakan matriks hasil perbandingan individu yang disimbolkan dengaan a ij yaitu elemen matriks pada baris ke-i dan kolom ke-j. Tabel 3. Matrik perbandingan individu G A 1 A 2 A 3 ... A n A 1 a 11 a 12 a 13 ... a 1n A 2 a 21 a 22 a 23 ... a 2n A 3 a 31 a 32 a 33 ... a 3n ... ... ... ... ... ... A n a n1 a n2 a n3 ... a nn MPG adalah susunan matriks baru yang elemen G ij berasal dari rata-rata geometri pendapat-pendapat individu yang rasio inkonsistensinya kurang atau sama dari 0.1, dan setiap elemen pada baris dan kolom yang sama dari MPI yang satu dengan MPI yang lain tidak terjadi konflik. Tabel 4. Matrik perbandingan gabungan G G 1 G 2 G 3 ... G n G 1 g 11 g 12 g 13 ... G 1n G 2 g 21 g 22 g 23 ... G 2n G 3 g 31 g 32 g 33 ... G 3n ... ... ... ... ... ... G n g n1 g n2 g n3 ... G nn Rumus matematika yang digunakan untuk memperoleh rata-rata geometrik adalah : √∏ Dimana : Gij = Elemen MPG baris ke-i, kolom ke-j aij = Elemen baris ke-i dan MPI ke-j M = Jumlah MPI yang memenuhi persyaratan ∏ = Perkalian dari elemen k=i sampai k=m √ = Akar pangkat dari m 7. Mensintesis prioritas untuk melakukan pembobotan vektor-vektor prioritas menggunakan komposisi secara hierarki untuk membobotkan vektor-vektor prioritas itu dengan bobot kriteria-kriteria dan menjumlahkan semua nilai prioritas terbobot yang bersangkutan dengan nilai prioritas dari tingkat bawah berikutnya dan seterusnya. Pengolahan matriks pendapat terdiri atas dua tahap, yaitu : pengolahan horizontal dan pengolahan vertikal. Kedua jenis pengolahan itu dilakukan pada MPI dan MPG. Pengolahan vertikal dilakukan setelah pengolahan horizontal, dimana MPI dan MPG harus memenuhi Rasio Inkonsistensi. a. Pengolahan horizontal bertujuan untuk melihat prioritas suatu elemen terhadap tingkat yang berada satu tingkat diatas elemen tersebut,terdiri dari tiga bagian, yaitu penentuan vektor prioritas, uji konsistensi, revisi MPI dan MPG yang memiliki rasio Inkonsistensi tinggi. Tahapan perhitungan yang dilakukan pada pengolahan horizontal ini adalah :  Perkalian baris Z atau Vektor Eigen VE dengan rumus : √∏ i,j = 1, 2, ..., n  Perhitungan Vektor Prioritas VP atau rasio Vektor Eigen adalah : √ ∑ √ VP= Vpi, untuk i=1,2,...,n  Perhitungan nilai Eigen Maksimum maks , dengan rumus : VA = aij x VA dengan VA = Vai VB = dengan VB = Vbi maks = ∑ untuk i = 1,2,3,...,n  Perhitungan Indeks inkonsistensi CI dengan rumus : CI = CR = RI = indeks acak random indeks yang dikeluarkan oleh Oak Rigde Laboratory Saaty,1993 dari matriks berorde 1 sd 15 yang menggunakan sampel berukuran 100. Nilai rasio inkonsisensi CR yang lebih kecil atau sama dengan 10 persen merupakan nilai yang mempunyai tingkat konsistensi yang baik dan dapat dipertanggung jawabkan. Hal ini dikarenakan CR merupakan tolah ukur bagi konsistensi atau tidaknya hasil perbandingan berpasangan pada matriks pendapat. Tabel 5. Nilai indeks acak Orde n Indeks Acak Orde n Indeks Acak 1 0,00 8 1,41 2 0,00 9 1,45 3 0,58 10 1,49 4 0,90 11 1,51 5 1,12 12 1,48 6 1,24 13 1,56 7 1,32 14 1,57 b. Pengolaha vertikal untuk menyusun prioritas pengaruh setiap elemen pada tingkat hierarki keputusan tertentu terhadap sasaran utama. Apabila Cvij didefinisikan sebagai nilai prioritas pengaruh elemen ke-j pada tingkat ke-i terhadap sasaran utama, maka : Cvij = ∑ Untuk : i = 1,2,3,...,n j = 1,2,3,...,n t = 1,2,3,...,n dimana : Chijt,i-1 = nilai prioritas pengarih elemen ke-i terhadap elemen ke-t pada timgkat di atasnya i-1, yang diperoleh dari hasil pengolahan horizontal. VWti-1 = nilai prioritas pengaruh elemen ke i-1 terhadap sasaran utama, yang diperoleh dari hasil perhitungan horizontal. P = jumlah tingkat hierarki keputusan R = jumlah elemen yang ada pada tingkat ke-i S = jumlah elemen yang ada pada tingkat ke i-1 8. Mengevaluasi konsistensi untuk semua hierarki. Langkah ini dilakukan dengan mengalihkan setiap indeks konsistensi dengan prioritas kriteria yang bersangkutan dan menjumlahkan hasil kalinya. Hal ini dibagi dengan pernyataan sejenis yang menggunakan Indek Acak yang sesuai dengan dimensi masing-masing matriks. Dengan cara yang sama, setiap indeks acak dibobot berdasarkan prioritas kriteria yang bersangkutan dan hasilnya dijumlahkan. Rasio Inskonsisteni harus lebih kecil atau sama dengan 0,1, jika melebihi itu maka informasi harus ditinjau kembali. Pada penelitian ini langkah 1,2,3 dilakukan melalui pengamatan langsung di lapangan dan hasil wawancara dengan pihak perusahaan. Langkah 4 didapatkan dengan pengisian kuisioner oleh beberapa pihak tertentu pada perusahaan. Langkah 5,6, dan tujuh diolah dengan menggunakan bantuan software Expert chioce version 2000.

IV. HASIL DAN PEMBAHASAN