orang-orang lain dalam memberikan data dan informasi yang bersifat khusus yang dibutuhkan peneliti. Quotasampling adalah tipe kedua purposive
sampling, dimana kelompok-kelompok tertentu dijadikan responden sumber datainformasi untuk memenuhi kuota yang telah ditetapkan. Pada umumnya,
sejak awal penelitian kuota telah ditetapkan untuk masing-masing kelompok berdasarkan gambaran persentaseproporsi kelompok dalam populasi.
3.4. AHP Analytical Hierarchy Process
Dalam memecahkan persoalan dengan analisis logika eksplisit ada tiga prinsip: prinsip menyusun hirarki, prinsip menetapkan prioritas, dan prinsip
konsistensi logis. Dari berbagai pertimbangan tersebut kemudian dilakukan sintesa untuk menetapkan variabel yang memiliki prioritas tentinggi dan berperan
untuk mempengaruhi hasil pada sistem tersebut. Manfaat dari penggunaan Analytical Hierarchy Process AHP antara lain
yaitu: 1. Memadukan intuisi pemikiran, perasaan dan penginderaan dalam menganalisis
pengambilan keputusan. 2. Memperhitungkan konsistensi dari penilaian yang telah dilakukan dalam
membandingkan faktor-faktor yang ada. 3. Memudahkan pengukuran dalam elemen.
4. Memungkinkan perencanaan ke depan. Tahapan-tahapan pengambilan keputusan dalam metode AHP pada dasarnya
adalah sebagai berikut :
Universitas Sumatera Utara
1. Mendefinisikan masalah dan menentukan solusi yang diinginkan 2. Membuat struktur hirarki yang diawali dengan tujuan umum, dilanjutkan
dengan kriteria-kriteria dan alternaif-alternatif pilihan yang ingin di ranking. 3. Membentuk matriks perbandingan berpasangan yang menggambarkan
kontribusi relatif atau pengaruh setiap elemen terhadap masing—masing tujuan atau kriteria yang setingkat diatasnya. Perbandingan dilakukan berdasarkan
pilihan atau judgement dari pembuat keputusan dengan menilai tingkat tingkat kepentingan suatu elemen dibandingkan elemen lainnya.
4. Menormalkan data yaitu dengan membagi nilai dari setiap elemen di dalam matriks yang berpasangan dengan nilai total dari setiap kolom.
5. Menghitung nilai eigen vector dan menguji konsistensinya, jika tidak konsisten maka pengambilan data preferensi perlu diulangi. Nilai eigen vector yang
dimaksud adalah nilai eigen vector maximum yang diperoleh dengan menggunakan matlab maupun dengan manual.
6. Mengulangi langkah 3, 4, dan 5 untuk seluruh tingkat hirarki. 7. Menghitung eigen vector dari setiap matriks perbandingan berpasangan. Nilai
eigen vector merupakan bobot setiap elemen. Langkah ini untuk mensintesis pilihan dalam penentuan prioritas elemen-elemen pada tingkat hirarki terendah
sampai pencapaian tujuan. 8. Menguji konsistensi hirarki. Jika tidak memenuhi dengan CR 0, 100 maka
penilaian harus diulang kembali.
Universitas Sumatera Utara
Pada AHP, ditetapkan skala kuantitatif 1 sampai 9 untuk menilai perbandingan tingkat kepentingan suatu elemen terhadap elemen lainnya. Skala penilaian
tersebut akan dijelaskan pada Tabel 3.1.
Tabel 3.1 Skala Penilaian Perbandingan Berpasangan Intensitas
kepeningan Keterangan
Penjelasan
1 Kedua elemen sama penting
Dua elemen mempunyai pengaruh yang sama besar terhadap tujuan
3 Elemen yang satu sedikit lebih
penting Pengalaman dan penilaian sedikit
menyokong satu elemen disbanding elemen lainnya
5 Elemen yang satu lebih penting
Pengalaman dan penilaian sangat kuat menyokong satu elemen dibandingkan
elemen lainnya
7 Elemen yang satu jelas lebih
penting Satu elemen kuat disokong dan dominan
terlihat dalam praktek
9 Elemen yang satu mutlak lebih
penting Bukti yangmendukung elemen yang satu
terhadap elemen yang lainnya memiliki tingkat penegasan tertinggi yang
mungkin menguatkan
2,4,6,8 Nilai antara dua nilai
pertimbangan yang berdekatan Nilai ini diberikan bila ada dua
kompromi diantara dua pilihan Kebalikan
13,15,.. Jika untuk aktivitas I mendapat satu angka disbanding dengan aktivitas j,
maka aktivitas j mempunyai nilai kebalikan
Sumber: Marimin, 2010 dalam Fitrianto, 2013
Pengukuran konsistensi AHP dilakukan dengan dua cara, yaitu: 1. Tahap pengukuran konsistensi setiap matriks perbandingan
Pengukuran ini didasarkan pada eigen value maksimum, dengan persamaan 2-1 dan 2-2.
Consistency Index CI = λ
max
– n n – 1 2-1 dimana:
λ
max
: Nilai rata-rata consistency vector n : Ukuran matriks, makin dekat eigen value dengan besarnya matriks, maka
Universitas Sumatera Utara
matriks tersebut konsisten Consistency Ratio CR = CI RI
2-2
dimana: RI : random index
Tabel 3.2 Random Index untuk Beberapa Ukuran Matriks Ukuran
matriks 1,2
3 4
5 6
7 8
9 10
RI 0,0
0,58 0,9
1,12 1,24
1,32 1,41
1,45 1,49
Sumber: Marimin, 2010 dalam Fitrianto, 2013
Batasan diterimanya konsistensi sebenarnya tidak baku, hanya menurut beberapa eksperimen, inkonsistensi 10 ke bawah adalah tingkat inkonsistensi
yang bisa diterima. 2. Tahap mengukur konsistensi seluruh hierarki, pada persamaan 2-3.
CRH = CIH RIH 2-3
dimana: CRH: consistency ratio hierarchy
CIH : consistency index hierarchy RIH : random ratio hierarchy
3.5. Objective Matrix OMAX