TA : Penerapan Analytical Hierarchy Process Dalam Memilih Mobil Pada Portal Otomotif Indonesia.
PENERAPAN ANALYTICAL HIERARCHY PROCESS
DALAM MEMILIH MOBIL PADA PORTAL OTOMOTIF INDONESIA
Oleh :
Nama : Basuki Rahmad NIM : 98.41010.5007 Program : S1 (Strata Satu) Jurusan : Sistem Informasi
SEKOLAH TINGGI
MANAJEMEN INFORMATIKA & TEKNIK KOMPUTER SURABAYA
(2)
ix
ABSTRAKSI ... vi
KATA PENGANTAR ... vii
DAFTAR ISI ... ix
DAFTAR TABEL ... xi
DAFTAR GAMBAR ... xii
DAFTAR LAMPIRAN ... xiv
BAB I PENDAHULUAN ... 1
1.1 Latar Belakang Masalah ... 1
1.2 Perumusan Masalah ... 4
1.3 Batasan Masalah ... 4
1.4 Tujuan ... 5
1.5 Sistematika Penulisan ... 5
BAB II LANDASAN TEORI ... 6
2.1 Manusia dan Pengambilan Keputusan ... 6
2.2 Analytical Hierarchy Process ... 7
BAB III METODE PENELITIAN ... 22
3.1 Rancangan ... 22
3.2 Proses ... 45
3.3 Cara Pengujian ... 57
BAB IV IMPLEMENTASI DAN EVALUASI ... 59
4.1 Implementasi ... 59
(3)
x
BAB V PENUTUP ... 79
5.1 Kesimpulan ... 79
5.2 Saran ... 80
DAFTAR PUSTAKA ... 81
BIODATA ... 82
(4)
1
1.1 Latar Belakang Masalah
Dewasa ini, Teknologi Informasi sudah banyak diterapkan diberbagai bidang, baik yang stand alone maupun yang online. Salah satu contoh penerapan Teknologi Informasi yang bersifat online atau lebih dikenal berbasis web adalah transaksi jual beli mobil baru atau Portal Otomotif. Bebarapa portal yang disurvey yaitu tiga portal yang menyediakan mobil dari berbagai tipe dan merek, dan lebih dari sepuluh portal yang menyediakan mobil berbagai tipe dari satu merek, dapat disimpulkan bahwa portal tersebut hanyalah memberikan fasilitas transaksi jual beli saja kepada user dengan langsung memilih mobil yang dimaksud. Fasilitas tambahan dari portal tersebut hanya rincian informasi yang berkaitan dengan mobil tersebut. Dari banyaknya pilihan dan kriteria mobil yang tersedia, konsumen dihadapkan ke dalam masalah bagaimana memilih mobil yang sesuai keinginannya. Beberapa portal yang lebih bagus, menyediakan fasilitas tambahan untuk membandingkan salah satu mobil dengan beberapa mobil yang lain, namun fasilitas tersebut hanyalah sekedar membandingkan saja tanpa memberikan solusi, mobil yang mana yang lebih baik dari beberapa mobil yang dibandingkan (www.oto.co.id , www.nissan.co.id).
Bila konsumen tidak mempunyai informasi yang cukup tentang mobil yang akan dibelinya maka akhirnya konsumen itu sendiri yang akan dirugikan karena mendapatkan barang yang tidak sesuai dengan kenyataan dan harapan. Dengan kecewanya konsumen tersebut karena secara tidak langsung merasa
(5)
2
dirugikan, maka akhirnya pemilik portal juga akan mengalami kerugian karena konsumen tersebut tidak akan membeli mobil lagi lewat portalnya.
Sebaliknya, bilamana portal tersebut juga menyediakan fasilitas yang dapat membantu dalam hal pengambilan keputusan bagi para konsumen calon pembeli mobil, untuk memudahkan memilih mobil yang dimaksud. Dimana informasi yang terkait dengan mobil dikelompokkan dalam kriteria-kriteria, tentunya kepuasan konsumen akan tercapai karena dengan fasilitas tersebut, konsumen tidak perlu dibuat pusing dan bingung lagi, bahkan dapat menghemat waktu, tenaga dan mungkin juga biaya untuk mencari dan mengumpulkan informasi mengenai kelebihan dan kekurangan dari mobil yang akan dibelinya. Dengan kepuasan itu, tentunya diharapkan konsumen tersebut akan melakukan transaksi lagi. Atau setidaknya, konsumen itu mungkin akan menyebarkan informasi mengenai kelebihan portal itu kepada orang lain. Dengan kata lain fasilitas tersebut merupakan salah satu promosi dalam meningkatkan pemasaran.
Sebenarnya terdapat banyak model-model pengambilan keputusan yang dapat membantu permasalahan di atas. Salah satu model tersebut adalah Analytical Hierarchy Process yang selanjutnya disebut AHP. AHP adalah suatu model pengambilan keputusan untuk memecahkan masalah penentuan pilihan yang multiobjective (ada banyak tujuan yang dicapai) diantara beberapa kriteria kuantitatif dan kualitatif sekaligus (Permadi, 1992:5). Metode ini diperkenalkan pertama kali oleh Thomas Lorie Saaty pada awal tahun 1971. Peralatan utama dari model ini adalah sebuah hirarki fungsional dengan input utamanya persepsi manusia. Dengan hirarki, suatu masalah yang kompleks dan tidak terstruktur dipecah ke dalam kelompok-kelompok dan kemudian kelompok-kelompok
(6)
tersebut diatur menjadi suatu bentuk hirarki. Kriteria-kriteria yang dikelompokkan dalam hirarki tersebut, kemudian diberi bobot atau nilai yang sudah ditentukan dalam metode AHP yaitu dari skala 1 sampai 9 yang disajikan dalam bentuk matriks yang lebih sering disebut Pairwise Comparison Matrix.
Kelebihan dari metode AHP dibanding model pengambilan keputusan yang lain adalah jenis inputnya yaitu kuantitatif dan kualitatif sekaligus, memakai persepsi manusia yang dianggap expert. Dapat memecahkan masalah yang multiobjective (banyak tujuan yang dicapai) dengan berdasarkan multicriteria (banyak aspek pengukuran atau kriteria). Bentuk dan perhitungannya sederhana serta memiliki sifat fleksibilitas yang tinggi dalam pembuatan hirarkinya.
Metode ini sudah banyak digunakan di berbagai negara di dunia, baik masalah pemerintahan, bisnis maupun akademik. Sebagai salah satu contoh, mahasiswa STIKOM juga menggunakan metode ini dalam penyelesaian Tugas Akhirnya dengan Judul Sistem Pengambilan Keputusan Pemilihan Perguruan Tinggi Dengan Menggunakan Metode Analytical Hierarchy Process, oleh Vicky M. Taufik tahun 2002. Di dalam sistem tersebut dijabarkan bagaimana metode AHP digunakan untuk membantu calon mahasiswa dalam memilih Perguruan Tinggi yang sesuai. Kriteria yang dipakai ada enam yaitu Proses Belajar Mengajar, Kualitas Dosen Pengajar, Lingkungan Perguruan Tinggi, Kehidupan Perguruan Tinggi, Sarana dan Prasarana, Pendidikan Kejuruan Spesialis. Alternatifnya ada tiga Perguruan Tinggi yaitu STIKOM, STTS dan PETRA.
Dengan model AHP ini, diharapkan dapat membantu calon pembeli mobil dalam memilih mobil yang sesuai dari beberapa alternatif yang ada, dan sekaligus dapat membantu pemilik portal dalam meningkatkan pemasaran.
(7)
4
1.2 Perumusan Masalah
Dari pembahasan latar belakang permasalahan di atas, maka timbul permasalahan yang dapat dirumuskan sebagai berikut :
“ Bagaimana menerapkan model AHP dalam aplikasi pengambilan keputusan untuk membantu konsumen calon pembeli mobil dalam hal menentukan pilihan mobil secara tepat pada portal otomotif ”.
1.3 Pembatasan Masalah
Batasan permasalahan dari aplikasi yang akan dirancang adalah sebagai berikut :
1. Pembahasan yang dilakukan lebih menitikberatkan pada pengambilan keputusan dengan menggunakan metode AHP.
2. Aplikasi perangkat lunak berbasis web.
3. Perangkat lunak tersebut diperuntukkan bagi konsumen calon pembeli mobil (user) untuk menentukan pemilihan mobil baru yang sejenis berdasarkan kategori yang disediakan sistem antara lain : van, sedan, jeep, atau city car. 4. Menentukan pemilihan mobil sesuai dengan tipe dan merek mobil yang
disediakan sistem.
5. Dalam program aplikasi ini, user berhak memilih minimal tiga kriteria dan maksimal lima belas kriteria, serta minimal tiga alternatif dan maksimal sepuluh alternatif.
6. User tidak berhak memberikan pembobotan elemen Kriteria maupun Alternatif, karena sudah disediakan sistem.
(8)
1.4 Tujuan
Tujuan yang akan dicapai dalam Tugas Akhir ini adalah Menerapkan model AHP dalam pembuatan perangkat lunak berbasis web yang berfungsi sebagai pendukung keputusan bagi konsumen calon pembeli mobil (user) dalam menentukan pilihan mobil yang sesuai dari beberapa alternatif yang disediakan.
1.5 Sistematika Penulisan
Penulisan tugas akhir ini dibagi dalam 5 bab yaitu : BAB I PENDAHULUAN
Bab ini mencakup tentang Latar Belakang Masalah, Perumusan Masalah, Pembatasan Masalah, Tujuan, dan Sistematika Penulisan.
BAB II LANDASAN TEORI
Bab ini berisi teori yang berhubungan dengan materi Tugas Akhir seperti teori tentang Manusia dan Pengambilan Keputusan dan teori tentang AHP secara keseluruhan.
BAB III METODE PENELITIAN
Bab ini membahas perancangan sistem AHP untuk menentukan pemilihan mobil, mulai dari Flow Chart, Data Flow Diagram, E-R Diagram dan struktur data base-nya, sampai uji coba sistem.
BAB IV IMPLEMENTASI DAN EVALUASI
Bab ini membahas hasil implementasi dari bab III, hasil uji coba dan sekaligus evaluasinya.
BAB V PENUTUP
Bab ini berisi kesimpulan dan saran-saran berdasarkan pembahasan pada bab IV.
(9)
6
BAB II
LANDASAN TEORI
2.1 Manusia dan Pengambilan Keputusan
Setiap detik, setiap saat, manusia selalu dihadapkan dengan masalah pengambilan keputusan baik yang maha penting maupun yang sepele. Bagaimanapun sepelenya suatu masalah pengambilan keputusan, otak manusia tetap melakukan suatu proses tertentu sampai didapatkan sebuah keputusan pasti. Benar tidaknya atau baik tidaknya suatu keputusan akan sangat bergantung pada bagaimana seorang individu mendayagunakan otaknya dan sejauh mana si individu mengerti suatu permasalahan (Permadi, 1992:1).
Pada dasarnya, otak manusia terbagi atas dua bagian : otak kanan dan otak kiri. Otak kanan mencakup hal-hal yang berkaitan dengan perasaan manusia, pengalaman, naluri atau insting dan hal-hal yang berkaitan dengan emosi dan perasaan manusia. Sedangkan otak kiri manusia mencakup hal-hal yang sifatnya logis dan dapat dijelaskan dengan bukti yang kuat. Dalam proses pengambilan keputusan, pada umumnya banyak digunakan kombinasi dari otak kiri dan kanan meskipun tidak dapat disangkal adanya kemungkinan bahwa hanya salah satu bagian otak yang berperan. Proses pengambilan keputusan dalam otak manusia pada dasarnya adalah memilih suatu aleternatif dari sekian banyak alternatif berdasarkan sejumlah kriteria dari suatu permasalahan.
Karena permasalahan di dunia nyata semakin kompleks dan makin sukar dibayangkan oleh otak manusia maka para ahli mulai mengembangkan metode-metode yang dapat mempermudah dan menambah keakuratan pengambilan
(10)
keputusan. Metode-metode itu kemudian lebih dikenal dengan sebutan model pengambilan keputusan.
2.2 Analytical Hierarchy Process
Analytical Hierarchy Process yang selanjutnya disebut AHP merupakan
suatu metode yang dikembangkan oleh Thomas Lorie Saaty. AHP merupakan salah satu bentuk model pengambilan keputusan yang pada dasarnya berusaha menutupi semua kekurangan dari model-model sebelumnya. Peralatan utama dari model ini adalah sebuah hirarki fungsional dengan input utamanya persepsi manusia. Dengan hirarki, suatu masalah yang kompleks dan tidak terstruktur dipecah ke dalam kelompok-kelompok dan kemudian kelompok-kelompok tersebut diatur menjadi suatu bentuk hirarki (Permadi, 1992:5)
Perbedaan mencolok antara model AHP dengan model pengambilan keputusan lainnya terletak pada jenis inputnya. Model-model yang sudah ada umumnya memakai input yang kuantitatif atau berasal dari data sekunder. Otomatis, model tersebut hanya dapat mengolah hal-hal kuantitatif pula. Model AHP memakai persepsi manusia yang dianggap expert sebagai input utamanya.
Kriteria expert disini bukan berarti bahwa orang tersebut haruslah jenius, pintar,
bergelar doktor dan sebagainya tetapi lebih mengacu pada orang yang mengerti benar permasalahan yang diajukan, merasakan akibat suatu masalah atau punya kepentingan terhadap masalah tersebut.
Model AHP tergolong suatu model pengambilan keputusan yang komprehensif, karena dapat memperhitungkan hal-hal kuantitatif dan kualitatif sekaligus. Kelebihan lain model AHP terletak pada kemampuannya memecahkan
(11)
8 berdasarkan multicriteria (ada banyak aspek pengukuran atau kriteria). Disamping
kelebihan yang dimilikinya, AHP juga memiliki kelemahan yang dapat berakibat fatal. Ketergantungan model ini pada input berupa persepsi seorang expert akan
membuat hasil akhir dari model ini menjadi tidak ada artinya apabila si expert
memberikan penilaian yang keliru. Kelemahan lain yang sebenarnya bisa disebut kelebihan terletak pada bentuknya sendiri yang terlihat sangat sederhana. Bagi para pengambil keputusan yang terbiasa dengan model-model kuantitatif yang rumit, akan menganggap bahwa bentuk model AHP yang terlihat sederhana bukanlah model yang cocok untuk pengambilan keputusan. Mereka berpendapat, semakin rumit suatu model dan semakin banyak perhitungan yang dilakukan maka makin tinggi keakuratan model tersebut, namun tanpa mereka sadari bahwa model yang rumit tadi belum menyinggung hal-hal yang kualitatif. Disinilah letak kelebihan AHP, karena untuk pengambil keputusan tingkat tinggi yang biasanya adalah orang sibuk, model AHP dapat dengan cepat dimengerti dan apabila mereka ingin melakukan simulasi adanya perubahan pada salah satu elemen, maka dengan mudah dapat dilakukan analisa sensitivitas.
Prinsip-prinsip yang harus dipahami dalam menyelesaikan persoalan dengan AHP (Mulyono, 1996:108; Saaty, 1988:118) yaitu :
1. Decomposition.
2. Comperative Judgment.
3. Synthesis of Priority.
4. Logical Consistency.
Selain harus memahami prinsip-prinsip tersebut di atas, AHP juga memiliki aksioma-aksioma yang harus diperhatikan. Aksioma adalah sesuatu yang
(12)
tidak dapat dibantah kebenarannya atau yang pasti terjadi. Aksioma yang berhubungan dengan kehidupan sehari-hari, misalnya matahari terbit dari timur dan terbenam di barat.
Ada empat buah aksioma yang harus diperhatikan para pemakai model AHP dan pelanggaran dari setiap aksioma berakibat tidak validnya model yang dipakai (Permadi, 1992:18; Saaty, 1988:116). Keempat aksioma tersebut adalah : 1. Reciprocal Comparison artinya si pengambil keputusan harus bisa membuat
perbandingan dan menyatakan preferensinya. Preferensi itu sendiri harus memenuhi syarat resiprokal yaitu kalau A lebih disukai dari B dengan skala x, maka B lebih disukai dari A dengan skala 1/x. Tidak dipenuhinya aksioma ini menunjukkan bahwa pertanyaan yang digunakan untuk menyatakan preferensi dari sepasang elemen yang dibandingkan tidak tepat atau tidak jelas.
2. Homogeneity artinya preferensi seseorang harus dapat dinyatakan dalam skala
terbatas atau dengan kata lain, elemen-elemennya dapat dibandingkan satu sama lain. Kalau aksioma ini tidak dipenuhi maka elemen-elemen yang dibandingkan tersebut tidak homogenous dan harus dibentuk suatu cluster
(kelompok elemen-elemen) yang baru.
Aksioma ini menjelaskan keterbatasan otak manusia dalam membuat perbandingan-perbandingan terutama untuk elemen-elemen yang kurang jelas hubungannya satu sama lain atau perbedaannya terlalu besar. Sebagai contoh, kita tidak dapat membandingkan dalam satu himpunan, kelereng dengan anggur kalau kriteria pengukurannya adalah rasa. Kedua benda tersebut baru dapat dibandingkan dalam satu himpunan kalau kriteria pengukurannya adalah ukuran atau besarnya. Dalam keadaan ini perlu dibuat cluster baru.
(13)
10 3. Independence artinya preferensi dinyatakan dengan mengasumsikan bahwa
kriteria tidak dipengaruhi oleh alternatif-alternatif yang ada melainkan oleh obyektif secara keseluruhan. Ini menunjukkan bahwa pola ketergantungan atau pengaruh dalam model AHP adalah searah ke atas. Artinya perbandingan antara elemen-elemen dalam satu level dipengaruhi atau tergantung oleh elemen-elemen dalam level di atasnya.
4. Expectations artinya untuk tujuan pengambilan keputusan, struktur hirarki
diasumsikan lengkap. Apabila asumsi ini tidak dipenuhi maka si pengambil keputusan tidak memakai seluruh kriteria dan atau obyektif yang tersedia atau diperlukan sehingga keputusan yang diambil dianggap tidak lengkap. Pelanggaran dari aksioma 3, tidak seperti aksioma lainnya, dimungkinkan dalam AHP dengan bentuk hirarkinya non linier. Dalam hirarki non linier ini mungkin terjadi hubungan timbal balik antara kriteria dan alternatif, sehingga mungkin saja pemilihan kriteria dipengaruhi oleh alternatif. Pemecahan untuk masalah ini dilakukan dengan generalisasi dari model AHP yang biasa disebut metode supermatriks.
2.2.1 Decomposition
Decomposition adalah proses menganalisa permasalahan riil dalam
struktur hirarki atas unsur-unsur pendukungnya. Struktur hirarki secara umum dalam AHP sebagai berikut :
Jenjang 1 : Goal atau Tujuan Jenjang 2 : Kriteria
Jenjang 3 : Subkriteria (Optional) Jenjang 4 : Alternatif
(14)
Misalkan terdapat suatu masalah pemilihan mobil, dengan data-data awal seperti tabel 2.1. (Foster dan LaCava, 2002). Setelah dianalisa, diputuskan hirarki yang terbentuk seperti gambar 2.1. dengan model :
- Goal (Tujuan) : Pemilihan Mobil Terbaik
- Kriteria : Harga, Jarak Per Liter (JPL), Kenyamanan (Mesin dan
Radio/Tape), Model (Jumlah Pintu dan Interior) - Alternatif : Mobil A, Mobil B, Mobil C
Tabel 2.1. Data-data Riil Mobil
Mobil A Mobil B Mobil C
Harga 180.000.000 160.000.000 150.000.000
JarakPerLiter 8 10 12
Interior Deluxe Diatas rata-rata Standart
Jumlah Pintu 4 – Pintu 2 – Pintu 2 – Pintu
Radio/Tape AM/FM, Tape AM/FM AM
Mesin/CC 2.000 1.800 1.600
Gambar 2.1.Struktur Hirarki Pemilihan Mobil
2.2.2 Comperative Judgment
Prinsip ini berarti membuat suatu penilaian tentang kepentingan relatif antara dua elemen pada suatu tingkat tertentu. Penilaian ini adalah inti dari AHP karena ia akan berpengaruh terhadap prioritas elemen-elemen. Hasil dari penilaian
Pemilihan Mobil Terbaik
Harga JPL Kenyamanan
Tujuan
Kriteria
Alternatif
Model
(15)
12 ini akan tampak lebih mudah bila disajikan dalam bentuk matriks yang disebut
Pairwise Comparison Matrix. Adapun Skala Prioritas yang dipakai ditunjukkan
dalam tabel 2.2 (Permadi, 1992:9). Agar diperoleh skala yang bermanfaat ketika membandingkan dua elemen, seseorang yang akan memberikan jawaban perlu mengerti secara menyeluruh tentang elemen-elemen yang dibandingkan dan relevansinya terhadap kriteria atau tujuan yang dipelajari.
Tabel 2.2. Skala Perbandingan
Skala Derajat Preferensi
1 Sama penting
3 Moderat lebih penting
5 Kuat lebih penting
7 Sangat kuat lebih penting
9 Mutlak lebih penting
2,4,6,8 Skala diantara nilai-nilai tersebut Resiprokal Nilai kebalikan dari preferensi
Jika terdapat n elemen, maka akan diperoleh matriks perbandingan
berukuran n x n. Perbandingan elemen dengan elemen itu sendiri akan
menghasilkan nilai 1, sehingga akan terbentuk matriks diagonal yang bernilai 1. Banyaknya penilaian yang diperlukan dalam menyusun matriks adalah n(n-1)/2.
Nilai perbandingan tersebut kemudian dimasukkan ke dalam matriks dibagian kanan-atas diagonal, sedangkan bagian kiri-bawah diagonal merupakan kebalikan atau resiprokal dari nilai perbandingan yang dibuat (aij = 1/aji) (Permadi, 1992:24).
Dalam kaitannya dengan contoh pemilihan mobil, maka untuk membuat matriks perbandingan, harus ditetapkan dulu prioritas-prioritasnya sebagai berikut :
1. Prioritas dari empat kriteria dalam batas Goal atau Tujuannya. 2. Prioritas dari tiga mobil dalam batas ukuran Harga beli.
(16)
3. Prioritas dari tiga mobil dalam batas ukuran Jarak Per Liter (JPL). 4. Prioritas dari tiga mobil dalam batas ukuran Kenyamanan.
5. Prioritas dari tiga mobil dalam batas ukuran Model.
Sebagai salah satu contoh untuk membuat matriks pairwaise dalam batas Goal atau Tujuan, karena elemen = 4 (Harga, JPL, Kenyamanan, Model) maka akan diajukan 6 pertanyaan :
1. Berapa tingkat kepentingan JarakPerLiter (JPL) dengan Harga ?
2. Berapa tingkat kepentingan Kenyamanan dengan Harga ?
3. Berapa tingkat kepentingan Model dengan Harga ?
4. Berapa tingkat kepentingan Kenyamanan dengan JPL ?
5. Berapa tingkat kepentingan Model dengan JPL ?
6. Berapa tingkat kepentingan Model dengan Kenyamanan ?
Misalkan dari 6 pertanyaan tersebut didapat jawaban 3, 2, 2, 0.25, 0.25 dan 0.5, berarti faktor JPL mempunyai prioritas 3 kali lebih penting dari pada faktor Harga dan seterusnya. Cara yang sama juga digunakan untuk membuat matriks-matriks yang lain sehingga akan diperoleh matriks seperti tabel 2.3 (Foster dan LaCava, 2002).
Tabel 2.3. Matriks Perbandingan yang membandingkan tiga mobil dari berbagai
kriteria, dan Matriks Perbandingan yang membandingkan empat kriteria dalam seleksi mobil
Harga Mobil A Mobil B Mobil C
Mobil A 1 0.333333 0.25
Mobil B 3 1 0.5
Mobil C 4 2 1
JPL Mobil A Mobil B Mobil C
Mobil A 1 0.25 0.166667
Mobil B 4 1 0.333333
(17)
14
Kenyamanan Mobil A Mobil B Mobil C
Mobil A 1 2 8
Mobil B 0.5 1 6
Mobil C 0.125 0.166667 1
Model Mobil A Mobil B Mobil C
Mobil A 1 0.333333 4
Mobil B 3 1 7
Mobil C 0.25 0.142857 1
Kriteria Harga JPL Kenyamanan Model
Harga 1 3 2 2
JPL 0.33 1 0.25 0.25
Kenyamanan 0.5 4 1 0.5
Model 0.5 4 2 1
2.2.3 Synthesis of Priority
Dari setiap matriks yang dibuat sesuai prioritasnya masing-masing, tahap berikutnya adalah menghitung Bobot Prioritas atau Vektor Prioritas (Eigenvector)
masing-masing matriks. Eigenvector adalah sebuah vektor yang apabila dikalikan
sebuah matriks, hasilnya adalah vektor itu sendiri dikalikan dengan sebuah bilangan skalar atau parameter yang disebut Eigenvalue (Permadi, 1992:11; Saaty,
1988:50). Apabila matriks perbandingan diberi notasi A, eigenvector w, dan eigenvalue n maka dapat ditulis: A.w = n.w ………… (1)
Hubungan antara Eigenvector dan Eigenvalue dapat dijelaskan sebagai
berikut (Permadi, 1992:132) :
Gambar 2.2.Hubungan antara Eigenvector dan Eigenvalue
X AX
X AX
(18)
Bila terdapat vektor kolom X yang mempunyai besar dan arah, lalu dikalikan dengan matriks A yang jumlah kolomnya sama dengan jumlah baris vektor kolom tersebut maka akan dihasilkan sebuah vektor baru AX yang seharusnya mempunyai besaran dan arah yang berbeda dengan vektor X, seperti ditunjukkan gambar 2.2a. Ternyata perkalian matriks A dengan vektor X tersebut menghasilkan vektor baru dengan arah yang persis sama dengan vektor X, hanya besarnya saja berbeda beberapa kali dari vektor X. Hubungan ini dapat dinyatakan sebagai : AX = X. Dimana vektor X disebut eigenvector dan disebut
eigenvalue.
Eigenvector ini biasa disebut sebagai vektorkarakteristik dari sebuah
matriks bujur sangkar sedangkan eigenvalue merupakan akar karakteristik dari matriks tersebut. Metode inilah yang akhirnya dipakai sebagai alat pengukur bobot perioritas setiap matriks perbandingan dalam model AHP karena sifatnya yang lebih akurat dan memperhatikan semua interaksi antar elemen dalam matriks. Kelemahan metode ini adalah sulit dikerjakan secara manual terutama apabila matriksnya terdiri dari tiga elemen atau lebih sehingga harus dibuat suatu program komputer untuk memecahkannya. Penghitungan secara manual hanya dapat dilakukan dengan mulus apabila matriksnya berukurun 2 x 2.
Berikut ini adalah contoh untuk menentukan bobot prioritas dari matriks perbandingan 2 x 2 (Permadi, 1992:12-13).
1 1/3
3 1 II
I II I
A
Penyelesaian dengan metode eigenvector dan eigenvalue dimulai dengan
(19)
16 kemudian A . w . w = 0 ………… (2)
(A I) . w = 0 ………… (3)
penambahan I pada persamaan (3) dilakukan untuk mempermudah solusi matematis tanpa mengubah bentuk dari persamaan (2). Sifat perkalian dengan I (matriks identitas) dari sebuah matriks sama dengan perkalian dengan 1 pada bilangan biasa. Langkah selanjutnya adalah memasukkan anga-angka ke dalam persamaan (3) sehingga menjadi :
λ 1 1/3 3 λ 1 2 1 w w = 0 0
Dalam kondisi seperti di atas dimana terjadi perkalian dua buah unsur yang menghasilkan nol, maka hanya boleh ada satu unsur yang mempunyai nilai nol. Dari persamaan di atas tersebut maka vektor kolom w yang terdiri dari w1 dan w2 tidak boleh mempunyai nilai nol karena vektor itulah yang hendak ditentukan
berapa besarnya dan tidak mungkin mengandung nilai nol. Karenanya, matriks di sebelah kiri vektor w-lah yang harus mempunyai nilai nol. Sebuah matriks dapat
dianggap mempunyai nilai nol apabila matriks tersebut linearly dependent dengan
nilai determinan sama dengan nol sehingga matriks inversinya tidak bisa didefinisikan. Dengan dasar tersebut, kita bisa mencari eigenvalue dengan cara :
0 λ 1 1/3 3 λ 1
sehingga : (1 )2 – 3.1/3 = 0
1 2 + 2 1 = 0
akhirnya : ( 2) = 0
(20)
Diantara kedua nilai ini diambil hanya satu yaitu eigenvalue maksimal
karena eigenvalue maksimal akan mengurangi tingkat inkonsistensi matriks
sampai seminimum mungkin. Dengan mengambil nilai yang terbesar yaitu 2 maka bentuk persamaan matriksnya menjadi :
1 1/3 3 1 2 1 w w = 0 0 atau w1 + 3w2 = 0
1/3w1 w2 = 0
Karena bentuk matriksnya linearly dependent maka kita tidak dapat
mencari nilai w1 dan w2 dengan eliminasi atau substitusi biasa. Cara yang dipakai
adalah proses normalisasi dimana dari kedua persamaan di atas didapatkan hubungan w1 dan w2 dalam bentuk : w1 = 3w2, dengan asumsi :
n i i w 1 2 1
Dengan memakai prinsip normalisasi tersebut, maka :
w12 + w22 = 1
9w22 + w22 = 1
10w22 = 1 w22 = 0,1
w2 = 0,32
Karena w1 = 3w2, maka w1 = 0,96. Apabila kita jumlahkan w1 dengan w2 maka
jumlahnya akan melebihi satu, yang berarti tidak sesuai dengan prinsip total bobot prioritas. Karena itu, perlu dilakukan normalisasi dengan pengertian yang berbeda dengan normalisasi yang dibahas di atas. Normalisasi disini hanyalah sebuah usaha untuk membuat jumlah total sama dengan satu. Dengan prinsip tersebut, maka nilai w1 dan w2 tersebut masing-masing dibagi dengan total w1 dan w2
(21)
18 yaitu 1,28. Maka didapatkan hasil akhir berupa w1 = 0,75 dan w2 = 0,25, kondisi
ini sesuai dengan prinsip total bobot prioritas.
Secara matematis, perhitungan bobot prioritas di atas cukup panjang, namun secara sederhana dapat digambarkan sebagai berikut. Pertama, jumlahkan masing-masing kolom dari matriks perbandingan. Kemudian bagi setiap elemen dalam suatu kolom dengan jumlah kolom tersebut dan lakukan hal sama untuk setiap kolom. Kemudian elemen baru yang dihasilkan dari pembagian tersebut dijumlahkan menurut baris. Setelah itu dicari total dari jumlah elemen setiap baris, kemudian lakukan pembagian dari jumlah setiap baris terhadap totalnya agar didapatkan prioritas terakhir setiap elemen dengan total bobot prioritas sama dengan satu (Permadi, 1992:11; Saaty, 1988:21; McBride, 2003).
Sebagai salah satu contoh untuk menghitung Vektor Prioritas dari Matriks Kenyamanan dapat dilihat pada gambar 2.3 (Foster dan LaCava, 2002).
Kenyamanan Mobil A Mobil B Mobil C
Mobil A 1 2 8
Mobil B 0.5 1 6
Mobil C 0.125 0.167 1
1.625 3.167 15
Kenyamanan Mobil A Mobil B Mobil C Mobil A 0.615 0.632 0.533
Mobil B 0.308 0.316 0.400
Mobil C 0.077 0.053 0.067
1 1 1
Langkah 1 : Tambahkan kolom dari matriks pairwise yang dibandingkan
Langkah 2: Bagi elemen (langkah 1) dengan jumlah kolomnya +
1 / 1.625
(22)
Kenyamanan Mobil A Mobil B Mobil C
Mobil A 0.615 0.632 0.533 1.780
Mobil B 0.308 0.316 0.400 1.023
Mobil C 0.077 0.053 0.067 0.196
1 1 1 3
Mobil A 0.593
Mobil B 0.341
Mobil C 0.065
Gambar 2.3.Proses Sintesa Vektor Prioritas Kenyamanan
Selain menghitung vektor prioritas Kenyamanan di atas, vektor prioritas dari kriteria yang lain dan vektor prioritas dari semua kriteria juga dihitung dengan cara yang sama dengan hasil seperti terlihat pada tabel 2.4. dan tabel 2.5.
Tabel 2.4. Vektor Prioritas dari Kriteria Harga, JPL, dan Model
Vektor Prioritas Harga JPL Model Mobil A 0.123 0.087 0.265
Mobil B 0.32 0.274 0.655
Mobil C 0.557 0.639 0.08
Tabel 2.5. Vektor Prioritas dari Semua Kriteria (Prioritas Goal)
Kriteria Vektor Prioritas
Harga 0.398
JPL 0.085
Kenyamanan 0.218
Model 0.299
Setelah semua vektor prioritas dihitung, maka tahap terakhir adalah membangun prioritas rangking dengan cara perkalian matriks antara vektor prioritas dari empat kriteria dengan vektor prioritas goal (Foster dan LaCava, 2002; McBride, 2003).
Prioritas Mobil A =0.398(0.123)+0.085(0.087)+0.218(0.593)+0.299(0.265)=0.265 Prioritas Mobil B =0.398(0.320)+0.085(0.274)+0.218(0.341)+0.299(0.655)=0.421 Prioritas Mobil C =0.398(0.557)+0.085(0.639)+0.218(0.065)+0.299(0.080)=0.314 Langkah 3 : Jumlahkan tiap baris lalu cari totalnya Langkah 4 :
Bagi elemen hasil penjumlahan tiap baris pada langkah 3 dengan totalnya
(23)
20 Dari hasil perhitungan tersebut maka diperoleh alternatif final rangking :
Mobil B 0.421
Mobil C 0.314
Mobil A 0.265
1
2.2.4 Logical Consistency
Hasil proses dari AHP, terutama ditentukan dengan nilai komponen dari
matriks perbandingan. Penentuan nilai preferensi antar elemen harus secara konsisten logis, yang dapat diukur dengan menghitung Consistency Index (CI)
yaitu : CI = (max-n)/(n-1), kemudian diubah ke dalam bentuk Consistency Ratio
(CR) dengan cara membaginya dengan Random Index (RI), jadi CR = CI/RI
(Saaty, 1988:21). max merupakan eigenvalue maksimal dan n ukuran matriksnya. Eigenvalue maksimal suatu matriks tidak akan lebih kecil dari nilai n sehingga
tidak mungkin ada nilai CI yang negatif. Makin dekat eigenvalue maksimal
dengan besarnya matriks, makin konsisten matriks tersebut, dan apabila sama besarnya maka matriks tersebut konsisten 100% atau inkonsisten 0%.
Random Index (RI) menyatakan rata-rata konsistensi dari matriks
perbandingan berukuran 1 sampai 15 yang didapatkan dari suatu eksperimen oleh Oak Ridge National Laboratory dan kemudian dilanjutkan oleh Wharton School. Berikut ini Random Index untuk matriks berukuran 1 sampai 15 (Saaty, 1988:21) :
n 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
RI 0 0 0.58 0.90 1.12 1.24 1.32 1.41 1.45 1.49 1.51 1.48 1.56 1.57 1.59 Batasan diterima tidaknya konsistensi suatu matriks sebenarnya tidak ada yang baku, hanya menurut beberapa eksperimen dan pengalaman, tingkat inkonsistensi sebesar 10% ke bawah adalah tingkat inkonsistensi yang masih bisa diterima.
(24)
Jadi, bila nilai CR <= 0.1 maka hasil preferensi cukup baik, sebaliknya CR > 0.1 terdapat inkonsistensi (hasil proses AHP tidak valid), sehingga harus ada revisi penilaian karena tingkat inkonsistensi yang terlalu besar dapat menjurus pada suatu kesalahan.
Untuk menghitung CI dari kasus pemilihan mobil, maka harus dihitung terlebih dahulu nilai max (nilai maksimal eigenvalue dari matriks).
Kriteria Harga JPL Kenyamanan Model Prioritas Vektor
Harga 1 3 2 2 0.398
JPL 0.33 1 0.25 0.25 0.085
Kenyamanan 0.5 4 1 0.5 0.218
Model 0.5 4 2 1 0.299
=1(0.398)+3(0.085)+2(0.218)+2(0.299)=1.687/0.398 = 4.236
=0.33(0.398)+1(0.085)+0.25(0.218)+0.25(0.299)=0.347/0.085 = 4.077
=0.5(0.398)+4(0.085)+1(0.218)+0.5(0.299)=0.907/0.218 = 4.163
=0.5(0.398)+4(0.085)+2(0.218)+1(0.299)=1.274/0.299 = 4.246 +
16.740/4
max = 4.185
CI = 4.185 - 4 = 0.062 4 - 1
CR = CI/RI = 0.062 = 0.06 hasil preferensi cukup baik (konsisten). 0.90
(25)
22 BAB III
METODE PENELITIAN
Analytical Hierarchy Process yang selanjutnya disebut AHP adalah suatu model pengambilan keputusan untuk memecahkan masalah penentuan pilihan yang multiobjective (ada banyak tujuan yang dicapai) diantara beberapa kriteria kuantitatif dan kualitatif sekaligus (Permadi, 1992:5). Metode Penelitian yang digunakan dalam menyelesaikan masalah AHP sebagai berikut :
1. Rancangan, meliputi pembuatan Model Sistem, Data Flow Diagram, dan E-R Diagram beserta struktur databasenya.
2. Proses, berisi Flow Chart, penjelasan pengisian matriks perbandingan, penghitungan bobot prioritas dan konsistensi logis untuk diproses di dalam database.
3. Cara Pengujian, berisi rancangan percobaan sistem.
3.1 Rancangan
Dalam melakukan analisis terhadap permasalahan, maka dibuat beberapa tahapan rancangan yang meliputi pembuatan Model Sistem, Data Flow Diagram, dan E-R Diagram beserta struktur databasenya.
3.1.1 Model Sistem
Berdasarkan hasil pengamatan yang dilakukan terhadap beberapa dealer mobil dan website mobil maka struktur hirarkinya sebagaimana terlihat pada gambar 3.1.
(26)
Gambar 3.1.Struktur Hirarki Pemilihan Mobil
(27)
24
Dalam struktur yang terbentuk tersebut terbagi menjadi empat jenjang yaitu Goal (Tujuan), Kriteria, Sub Kriteria dan Alternatif.
a. Goal (Tujuan) : Pemilihan Mobil.
b. Kriteria : Ada 9 (sembilan) yaitu Harga, Jarak Per Liter (JPL), Model, Kenyamanan, Kehandalan, Dimensi, Suku Cadang, Perawatan, Purna Jual. c. Sub Kriteria : Ada empat kriteria yang mempunyai sub kriteria yaitu Model,
Kenyamanan, Kehandalan, Dimensi.
Kriteria Model mempunyai 5 (lima) Sub Kriteria yaitu Jumlah Pintu, Interior, Rem Depan, Rem Belakang, Kaca Spion Luar.
Kriteria Kenyamanan mempunyai 12 (dua belas) Sub Kriteria yaitu AC (Air Conditioner / Pendingin Udara), TV / LCD Monitor, CD (Compaq Disc), Radio, Tape, Airbag / Kantong Udara, Fog Lamp / Lampu Kabut, Hi-Mount Stop Lamp, Sabuk Pengaman, Power Window, Power Steering, Power Door Lock.
Kriteria Kehandalan mempunyai 7 (tujuh) Sub Kriteria yaitu Volume Silinder / cc, Jumlah Silinder, Jumlah Katup Silinder, Daya Maksimum, Torsi Maksimum, Jenis Transmisi, Jumlah Transmisi.
Kriteria Dimensi mempunyai 4 (empat) Sub Kriteria yaitu Panjang, Lebar, Tinggi, Berat Kosong.
(28)
3.1.2 Data Flow Diagram
Data Simulasi Kriteria
Data Hasil AHP Data Mobil
Data Kriteria
Data Mobil Rangking Mobil
Pilih Mobil Pilih Kriteria
Data User
0 Aplikasi AHP Pemilihan
Mobil +
User Manajemen
(29)
26
Ambil
Data Simulasi Kriteria
Data Hasil AHP Simpan Ambil Ambil Ambil SimpanAmbil SimpanAmbil Simpan Ambil Simpan Simpan Ambil Simpan Ambil Simpan Ambil Simpan Ambil Simpan Ambil Simpan Ambil Simpan Ambil Ambil Simpan Ambil
Ambil Ambil Ambil
Ambil Ambil Data Kriteria Data Mobil Ambil Ambil Ambil Simpan Simpan Simpan Simpan Simpan Simpan Ambil Ambil Data Mobil Rangking Mobil Data Matriks Pilih Mobil Pilih Kriteria Data User User User User User User User 2 Inisialisasi + 3 Proses AHP + 10 KRITERIA_MF 14 SUBKRITERIA_MF
13 TEMPNKRITERIA 19 TEMPNMOBIL
20 TEMPNMOBILSUB Manajemen
Manajemen
1 Isi Data Master
+ 1 MEREK_MF 5 MOBIL_MF 6 DIMENSI_MF 7 MESINSASIS_MF 8 EKSTERIOR_MF 9 INTERIOR_MF Manajemen 2 KATEGORI_MF 3 CC_MF 4 BAHANBAKAR_MF 17 TEMPNSUBKRITERIA Manajemen
(30)
Data Simulasi Kriteria Simpan Ambil Simpan Ambil Simpan Ambil Ambil Ambil Simpan Simpan Ambil Ambil Simpan Ambil Ambil
Simpan SimpanAmbil Simpan Ambil Simpan Ambil Simpan Ambil Data Mobil Simpan Ambil Ambil Simpan Data Kriteria Manajemen Manajemen 1 MEREK_MF 1 MEREK_MF 5 MOBIL_MF 5 MOBIL_MF 6 DIMENSI_MF 6 DIMENSI_MF 7 MESINSASIS_MF 7 MESINSASIS_MF 8 EKSTERIOR_MF 8 EKSTERIOR_MF 9 INTERIOR_MF 9 INTERIOR_MF 10 KRITERIA_MF 10 KRITERIA_MF 14 SUBKRITERIA_MF 14 SUBKRITERIA_MF 1
Isi Master Kriteria +
3 Isi Master Mobil
+
11 SIMKRITERIA
15 SIMSUBKRITERIA
2 KATEGORI_MF
2 KATEGORI_MF 33 CC_MFCC_MF
4 BAHANBAKAR_MF 4 BAHANBAKAR_MF 2
Isi Simulasi Kriteria Manajemen
Gambar 3.4.DFD Level 1 Isi Data Master
Data Kriteria Baru [Data Kriteria] [Simpan] [Simpan] [Ambil] [Ambil] Manajemen 9 KRITERIA_MF 9 KRITERIA_MF 12 SUBKRITERIA_MF 12 SUBKRITERIA_MF 1.1.1 Tambah Kriteria 1.1.2
Data Kriteria Baru
(31)
28
Ambil Ambil Ambil
Simpan
Simpan Simpan Data Mobil Baru
Simpan Simpan Simpan
Simpan Simpan
Simpan Ambil
Ambil Ambil
Ambil
Ambil Ambil
Data Mobil Manajemen
1 MEREK_MF 1 MEREK_MF
5 MOBIL_MF
5 MOBIL_MF 6 DIMENSI_MF
6 DIMENSI_MF 7 MESINSASIS_MF
7 MESINSASIS_MF 8 EKSTERIOR_MF
8 EKSTERIOR_MF 9 INTERIOR_MF
9 INTERIOR_MF 1
Tambah Mobil
2
Data Mobil Baru 2 KATEGORI_MF
2 KATEGORI_MF
3 CC_MF
3 CC_MF
4 BAHANBAKAR_MF
4 BAHANBAKAR_MF
(32)
Simpan Simpan
Simpan
Ambil
Ambil Ambil
Simpan Simpan Simpan Simpan
Ambil Ambil Ambil Ambil
Ambil Ambil
Simpan Simpan
Simpan Simpan
Simpan Ambil Ambil
Data Kriteria
Pilih Mobil
Pilih Kriteria Data User
User User User
1
Isi Data User
2
Pilih Kriteria +
3
Pilih Mobil +
10 KRITERIA_MF 14 SUBKRITERIA_MF 13 TEMPNKRITERIA
19 TEMPNMOBIL 20 TEMPNMOBILSUB
1 MEREK_MF
5 MOBIL_MF
6 DIMENSI_MF 7 MESINSASIS_MF
8 EKSTERIOR_MF 9 INTERIOR_MF
12 TEMPPILIHKRITERA
16 TEMPSUBKRITERIA
18 TEMPPILIHMOBIL
17 TEMPNSUBKRITERIA
3 CC_MF
4 BAHANBAKAR_MF 2 KATEGORI_MF
(33)
30 Simpan Simpan Simpan Simpan Simpan Simpan Ambil Ambil Data Kriteria Pilih Kriteria User 1 Pilih Kriteria 2
Isi Matriks Kriteria
10 KRITERIA_MF 14 SUBKRITERIA_MF 13 TEMPNKRITERIA 19 TEMPNMOBIL 20 TEMPNMOBILSUB 17 TEMPNSUBKRITERIA 12 TEMPPILIHKRITERA 16 TEMPSUBKRITERIA
Gambar 3.8.DFD Level 2 Pilih Kriteria
Ambil Ambil Ambil Simpan Simpan Simpan Data Mobil Ambil Ambil Ambil AmbilAmbil Ambil Pilih Mobil User 20 TEMPNMOBILSUB 19 TEMPNMOBIL 1 Pilih Mobil 2 Generate Matriks Mobil 1 MEREK_MF 5 MOBIL_MF 6 DIMENSI_MF 7 MESINSASIS_MF 8 EKSTERIOR_MF 9 INTERIOR_MF 2 KATEGORI_MF 4 BAHANBAKAR_MF 3 CC_MF 18 TEMPPILIHMOBIL
(34)
Data Hasil AHP
Ambil Simpan
Simpan Ambil Ambil
Ambil Ambil
Rangking Alternatif Pilihan Running
Rangking Mobil Data Mobil
Simpan Simpan
Simpan
User User
1 Running Matriks
2 Running Matriks
Prioritas
3 Rangking
+
13 TEMPNKRITERIA
19 TEMPNMOBIL 20 TEMPNMOBILSUB
21 RANGKING 13 TEMPNKRITERIA
19 TEMPNMOBIL 20 TEMPNMOBILSUB 17 TEMPNSUBKRITERIA 17 TEMPNSUBKRITERIA
Manajemen
Gambar 3.10. DFD Level 1 Proses AHP
Data Hasil AHP
Ambil Simpan
Ambil Data Mobil
Rangking Mobil
Simpan Data Detail
User User
1 Rangking
2
Detail Rangking 22 DETAILRANGKING 21 RANGKING
Manajemen
(35)
3.1.3 E-R Diagram
Gambar 3.12. E-R Diagram Pemilihan Mobil
32
U SER _AKT IF = U SER _AKTIF LO G_ USER = L OG _U SER
ID = ID _KRITER IA
ID = ID _KRITER IA
ID = ID _MO BIL
ID = ID _MO BIL ID = ID _MO BIL
ID = ID _MO BIL
ID = ID _R AN GE_VO LU ME_ SIL IN DER
ID = ID _JEN IS_BAH AN _BAKAR N AMA_MEREK = N AMA_MEREK
ID = ID _KATEG OR I ID = ID _MO BIL
ID = ID _R AN GKIN G
U SER _AKT IF = U SER _AKTIF LO G_ USER = L OG _U SER
U SER _AKT IF = U SER _AKTIF LO G_ USER = L OG _U SER
ID = ID _KRITER IA
ID = ID _MO BIL U SER _AKT IF = U SER _AKTIF LO G_ USER = L OG _U SER
ID = ID _KRITER IA ID = ID _MO BIL
ID = ID _KATEG OR I
U SER _AKT IF = U SER _AKTIF LO G_ USER = L OG _U SER
ID = ID _KRITER IA ID = ID _SUB_ KRITER IA U SER _AKT IF = U SER _AKTIF
LO G_ USER = L OG _U SER
ID = ID _KRITER IA
ID = ID _SUB_ KRITER IA ID = ID _KRITER IA
BAHANBAKAR_MF ID <pk> NUMBER(2) JENIS_BAHAN_BAKAR VARCHAR2(10)
MOBIL_MF ID <pk> NUMBER(3) ID_KATEGORI <fk> NUMBER(2) NAMA_MEREK <fk> VARCHAR2(15) NAMA_MOBIL VARCHAR2(50) JENIS_PODUKSI VARCHAR2(10) WEBSITE VARCHAR2(50) HARGA NUMBER(10) JARAK_PER_LIT ER NUMBER(3,1) JUMLAH_PINTU NUMBER(2) INT ERIOR VARCHAR2(9) REM_DEPAN VARCHAR2(25) REM_BELAKANG VARCHAR2(25) KACA_SPION_LUAR VARCHAR2(8) AC CHAR(1) TV CHAR(1) CD CHAR(1) RADIO CHAR(1) TAPE CHAR(1) AIRBAG CHAR(1) LAMPU_KABUT CHAR(1) HI_MOUNT_STOP_LAMP CHAR(1) SABUK_PENGAMAN VARCHAR2(15) POWER_WINDOW CHAR(1) POWER_ST EERING CHAR(1) POWER_DOOR_LOCK CHAR(1) JENIS_T RANSMISI CHAR(2) ID_JENIS_BAHAN_BAKAR <fk> NUMBER(2) ID_RANGE_VOLUME_SILINDER <fk> NUMBER(2) SUKU_CADANG VARCHAR2(15) PERAWAT AN VARCHAR2(15) PURNA_JUAL VARCHAR2(10) OPT IONAL VARCHAR2(750) FOLDER_IMAGE VARCHAR2(125) DIMENSI_MF
ID <pk> NUMBER(3) ID_MOBIL <fk> NUMBER(3) PANJANG NUMBER(5) LEBAR NUMBER(5) TINGGI NUMBER(5) JARAK_SUMBU NUMBER(5) JARAK_PIJAK_DEPAN NUMBER(5) JARAK_PIJAK_BELAKANG NUMBER(5) BERAT_KOSONG NUMBER(5) MESINSASIS_MF
ID <pk> NUMBER(3) ID_MOBIL <fk> NUMBER(3) T IPE_MESIN VARCHAR2(200) VOLUME_SILINDER NUMBER(4) JUMLAH_SILINDER NUMBER(2) JUMLAH_KATUP NUMBER(2) DAYA_MAKSIM UM NUMBER(5) T ORSI_MAKSIMUM NUMBER(5) RASIO_KOMPRESI VARCHAR2(10) JENIS_T RANSMISI VARCHAR2(100) JUMLAH_TRANSMISI NUMBER(2) JENIS_BAHAN_BAKAR VARCHAR2(50) SIST EM_BAHAN_BAKAR VARCHAR2(125) KAPASITAS_BAHAN_BAKAR VARCHAR2(3) SUSPENSI_DEPAN VARCHAR2(200) SUSPENSI_BELAKANG VARCHAR2(200) REM_DEPAN VARCHAR2(150) REM_BELAKANG VARCHAR2(150) UKURAN_BAN VARCHAR2(15) VELG VARCHAR2(100) EKST ERIOR_MF ID <pk> NUMBER(3) ID_MOBIL <fk> NUMBER(3) KACA_SPION_LUAR VARCHAR2(125) PENAHAN_LUM PUR VARCHAR2(35) SIDE_PROTECTION_MOULDING VARCHAR2(35) WINDSHIELD_MOULDING VARCHAR2(35) MOULDING_KACA_BELAKANG VARCHAR2(35) DOOR_BELT _MOULDING VARCHAR2(35) BUMPER VARCHAR2(35) LAMPU_KABUT VARCHAR2(5) HI_MOUNT_STOP_LAMP VARCHAR2(5) SUN_ROOF VARCHAR2(5) INTERIOR_MF
ID <pk> NUMBER(3) ID_MOBIL <fk> NUMBER(3) POWER_ST EERING VARCHAR2(100) T ILT_ST EERING VARCHAR2(75) RODA_KEMUDI VARCHAR2(100) POWER_WINDOW VARCHAR2(100) POWER_DOOR_LOCK VARCHAR2(100) AC VARCHAR2(100) T V VARCHAR2(35) CD VARCHAR2(35) RADIO VARCHAR2(35) T APE VARCHAR2(35) AIRBAG VARCHAR2(50) SEAT _BELT _DEPAN VARCHAR2(150) SEAT _BELT _BELAKANG VARCHAR2(150)
CC_M F ID <pk> NUMBER(2) RANGE_VOLUM E_SILINDER VARCHAR2(11)
T EMPPILIHKRITERIA USER_AKT IF <pk> VARCHAR2(50) LOG_USER <pk> NUMBER(3) PILIHAN VARCHAR2(50)
T EMPSUBKRIT ERIA USER_AKTIF <fk> VARCHAR2(50) LOG_USER <fk> NUMBER(3) ID_KRITERIA <fk> NUMBER(2) ID_SUB2_KRIT ERIA NUMBER(3) KODE_ID VARCHAR2(120) JUDUL VARCHAR2(450)
T EMPNSUBKRITERIA ID <pk> NUMBER(6) USER_AKT IF <fk> VARCHAR2(50) LOG_USER <fk> NUMBER(3) ID_SUB_KRITERIA <fk> NUMBER(3) KODE_PEMBANDING VARCHAR2(60) ID_KRITERIA <fk> NUMBER(2) ID_SUB2_KRIT ERIA NUMBER(3) LEVEL_KRITERIA NUMBER(1) SUB_KRIT ERIA_1 NUMBER(6,4) SUB_KRIT ERIA_2 NUMBER(6,4) SUB_KRIT ERIA_3 NUMBER(6,4) SUB_KRIT ERIA_4 NUMBER(6,4) SUB_KRIT ERIA_5 NUMBER(6,4) SUB_KRIT ERIA_6 NUMBER(6,4) SUB_KRIT ERIA_7 NUMBER(6,4) SUB_KRIT ERIA_8 NUMBER(6,4) SUB_KRIT ERIA_9 NUMBER(6,4) SUB_KRIT ERIA_10 NUMBER(6,4) SUB_KRIT ERIA_11 NUMBER(6,4) SUB_KRIT ERIA_12 NUMBER(6,4) SUB_KRIT ERIA_13 NUMBER(6,4) SUB_KRIT ERIA_14 NUMBER(6,4) SUB_KRIT ERIA_15 NUMBER(6,4) VEKT OR_PRIORIT AS NUMBER(6,4) CI NUMBER(6,4) CR NUMBER(6,4) KODE_RANGKING VARCHAR2(10) RANGKING
ID <pk> NUMBER(5) USER_AKT IF <fk> VARCHAR2(50) LOG_USER <fk> NUMBER(3) TANGGAL DATE KET ERANGAN VARCHAR2(255)
DET AILRANGKING ID <pk> NUMBER(5) ID_RANGKING <fk> NUMBER(5) ID_MOBIL <fk> NUMBER(3) NILAI NUMBER(6,4)
T EMPNKRITERIA ID <pk> NUMBER(5) USER_AKT IF <fk> VARCHAR2(50) LOG_USER <fk> NUMBER(3) ID_KRITERIA <fk> NUMBER(2) KODE_PEMBANDING VARCHAR2(35) KRIT ERIA_1 NUMBER(6,4) KRIT ERIA_2 NUMBER(6,4) KRIT ERIA_3 NUMBER(6,4) KRIT ERIA_4 NUMBER(6,4) KRIT ERIA_5 NUMBER(6,4) KRIT ERIA_6 NUMBER(6,4) KRIT ERIA_7 NUMBER(6,4) KRIT ERIA_8 NUMBER(6,4) KRIT ERIA_9 NUMBER(6,4) KRIT ERIA_10 NUMBER(6,4) KRIT ERIA_11 NUMBER(6,4) KRIT ERIA_12 NUMBER(6,4) KRIT ERIA_13 NUMBER(6,4) KRIT ERIA_14 NUMBER(6,4) KRIT ERIA_15 NUMBER(6,4) VEKT OR_PRIORIT AS NUMBER(6,4) CI NUMBER(6,4) CR NUMBER(6,4)
KAT EGORI_MF ID <pk> NUMBER(2) KATEGORI VARCHAR2(10)
T EMPPILIHMOBIL USER_AKT IF <pk> VARCHAR2(50) LOG_USER <pk> NUMBER(3) ID_KATEGORI <fk> NUMBER(2) MOBIL_1 NUMBER(3) MOBIL_2 NUMBER(3) MOBIL_3 NUMBER(3) MOBIL_4 NUMBER(3) MOBIL_5 NUMBER(3) MOBIL_6 NUMBER(3) MOBIL_7 NUMBER(3) MOBIL_8 NUMBER(3) MOBIL_9 NUMBER(3) MOBIL_10 NUMBER(3) T EMPNMOBIL ID <pk> NUMBER(5) USER_AKT IF <fk> VARCHAR2(50) LOG_USER <fk> NUMBER(3) ID_MOBIL <fk> NUMBER(3) ID_KRITERIA <fk> NUMBER(2) MOBIL_1 NUMBER(6,4) MOBIL_2 NUMBER(6,4) MOBIL_3 NUMBER(6,4) MOBIL_4 NUMBER(6,4) MOBIL_5 NUMBER(6,4) MOBIL_6 NUMBER(6,4) MOBIL_7 NUMBER(6,4) MOBIL_8 NUMBER(6,4) MOBIL_9 NUMBER(6,4) MOBIL_10 NUMBER(6,4) VEKT OR_PRIORIT AS NUMBER(6,4) CI NUMBER(6,4) CR NUMBER(6,4)
T EMPNMOBILSUB ID <pk> NUMBER(7) USER_AKT IF <fk> VARCHAR2(50) LOG_USER <fk> NUMBER(3) ID_MOBIL <fk> NUMBER(3) ID_KRITERIA <fk> NUMBER(2) ID_SUB_KRITERIA NUMBER(3) ID_SUB2_KRITERIA NUMBER(3) LEVEL_KRITERIA NUMBER(1) MOBIL_1 NUMBER(6,4) MOBIL_2 NUMBER(6,4) MOBIL_3 NUMBER(6,4) MOBIL_4 NUMBER(6,4) MOBIL_5 NUMBER(6,4) MOBIL_6 NUMBER(6,4) MOBIL_7 NUMBER(6,4) MOBIL_8 NUMBER(6,4) MOBIL_9 NUMBER(6,4) MOBIL_10 NUMBER(6,4) VEKT OR_PRIORIT AS NUMBER(6,4) CI NUMBER(6,4) CR NUMBER(6,4) KODE_RANGKING VARCHAR2(10)
KRIT ERIA_MF ID <pk> NUMBER(2) NAMA VARCHAR2(30) PRIORIT AS_KRITERIA NUMBER(2) LEVEL_MAKSIMAL NUMBER(1) STAT US CHAR(1) NAMA_T ABLE VARCHAR2(20) STAT US_KK CHAR(1) NAMA_T ABLE_SHOW VARCHAR2(20) KETERANGAN VARCHAR2(255)
SUBKRIT ERIA_MF ID <pk> NUMBER(3) ID_KRITERIA <fk> NUMBER(2) ID_SUB_KRITERIA NUMBER(3) NAMA VARCHAR2(30) PRIORIT AS_KRIT ERIA NUMBER(2) LEVEL_KRITERIA NUMBER(1) STATUS CHAR(1) NAMA_T ABLE VARCHAR2(20) STATUS_KK CHAR(1) NAMA_T ABLE_SHOW VARCHAR2(20) STATUS_MM CHAR(1) KODE_URUT VARCHAR2(29) KET ERANGAN VARCHAR2(255)
SIMSUBKRIT ERIA ID <pk> NUMBER(5) ID_SUB_KRITERIA <fk> NUMBER(3) KODE_PEMBANDING VARCHAR2(60) KOLOM_1 NUMBER(6,4) KOLOM_2 NUMBER(6,4) KOLOM_3 NUMBER(6,4) KOLOM_4 NUMBER(6,4) KOLOM_5 NUMBER(6,4) KOLOM_6 NUMBER(6,4) KOLOM_7 NUMBER(6,4) KOLOM_8 NUMBER(6,4) KOLOM_9 NUMBER(6,4) KOLOM_10 NUMBER(6,4) KOLOM_11 NUMBER(6,4) KOLOM_12 NUMBER(6,4) KOLOM_13 NUMBER(6,4) KOLOM_14 NUMBER(6,4) KOLOM_15 NUMBER(6,4) SIMKRITERIA
ID <pk> NUMBER(5) ID_KRITERIA <fk> NUMBER(2) KODE_PEMBANDING VARCHAR2(35) KOLOM_1 NUMBER(6,4) KOLOM_2 NUMBER(6,4) KOLOM_3 NUMBER(6,4) KOLOM_4 NUMBER(6,4) KOLOM_5 NUMBER(6,4) KOLOM_6 NUMBER(6,4) KOLOM_7 NUMBER(6,4) KOLOM_8 NUMBER(6,4) KOLOM_9 NUMBER(6,4) KOLOM_10 NUMBER(6,4) KOLOM_11 NUMBER(6,4) KOLOM_12 NUMBER(6,4) KOLOM_13 NUMBER(6,4) KOLOM_14 NUMBER(6,4) KOLOM_15 NUMBER(6,4) MEREK_MF
NAMA_MEREK <pk> VARCHAR2(15) NAMA_PERUSAHAAN VARCHAR2(50) ALAM AT _ATPM VARCHAR2(128) T ELEPON VARCHAR2(15) F AKSIMIL VARCHAR2(15) EMAIL VARCHAR2(50) KOT A VARCHAR2(50) NEGARA VARCHAR2(50) NEGARA_PEMBUAT VARCHAR2(50) KET ERANGAN VARCHAR2(255)
(36)
Berdasarkan E-R Diagram, kemudian dibuat struktur file database atau pembuatan database secara fisik dengan perincian sebagai berikut :
1. Nama File : Merek_MF Primary Key : Nama Foreign Key : - File Relasi : -
Keterangan : Master File untuk pengisian Merek Mobil No. Nama Field Tipe Data Panjang Keterangan
1. Nama_Merek Varchar2 15 Nama Merek Mobil 2. Nama_Perusahaan Varchar2 50 Nama Perusahaan ATPM 3. Alamat_ATPM Varchar2 128 Alamat ATPM
4. Telepon Varchar2 15 No. Telepon 5. Faksimil Varchar2 15 No. Faksimil 6. Email Varchar2 50 Email
7. Kota Varchar2 50 Kota
8. Negara Varchar2 50 Negara
9. Negara_Pembuat Varchar2 50 Negara Pembuat 10. Keterangan Varchar2 255 Keterangan
2. Nama File : Kategori_MF Primary Key : Id
Foreign Key : - File Relasi : -
Keterangan : Master File untuk pengisian Kategori Mobil No. Nama Field Tipe Data Panjang Keterangan
1. Id Number 2 Kode Kategori
2. Kategori Varchar2 10 Nama Kategori Mobil
3. Nama File : CC_MF Primary Key : Id Foreign Key : - File Relasi : -
Keterangan : Master File untuk pengisian Range Volume Silinder Mobil No. Nama Field Tipe Data Panjang Keterangan
1. Id Number 2 Id Range Vol. Silinder 2. Range_Volume_
(37)
34
4. Nama File : BahanBakar_MF Primary Key : Id
Foreign Key : - File Relasi : -
Keterangan : Master File untuk pengisian Jenis Bahan Bakar Mobil No. Nama Field Tipe Data Panjang Keterangan
1. Id Number 2 Id Jenis Bahan Bakar 2. Jenis_Bahan_Bakar Varchar2 10 Jenis Bahan Bakar Mobil
5. Nama File : Mobil_MF Primary Key : Id
Foreign Key : Id_Kategori, Nama_Merek, Id_Jenis_Bahan_Bakar, Id_Range_Volume_Silinder
File Relasi : Kategori_MF, Merek_MF, BahanBakar_MF, CC_MF Keterangan : Master File untuk pengisian Data-data Mobil
No. Nama Field Tipe Data Panjang Keterangan
1. Id Number 3 Kode Mobil
2. Id_Kategori Number 2 Id Kategori Mobil 3. Nama_Merek Number 15 Nama Merek Mobil 4. Nama_Mobil Varchar2 50 Nama Mobil 5. Jenis_Prod Varchar2 10 Jenis Produksi 6. Website Varchar2 50 Alamat Website 7. Harga Number 10 Harga Mobil 8. Jarak_Per_Liter Number 3,1 Jarak Per Liter 9. Jumlah_Pintu Number 2 Jumlah Pintu
10. Interior Varchar2 9 Interior/Ruang Mobil 11. Rem_Depan Varchar2 25 Rem Depan
12. Rem_Belakang Varchar2 25 Rem Belakang 13. Kaca_Spion_Luar Varchar2 8 Kaca Spion Luar
14. AC Char 1 AC
15. TV Char 1 TV
16. CD Char 1 CD
17. Radio Char 1 Radio
18. Tape Char 1 Tape
19. Airbag Char 1 Air Bag
20. Lampu_Kabut Char 1 Lampu Kabut 21. Hi_Mount_Stop_
Lamp Char 1 Lampu Hi Mount Stop
22. Sabuk_Pengaman Varchar2 15 Sabuk Pengaman 23. Power_Window Char 1 Power Window 24. Power_Steering Char 1 Power Steering 25. Power_Door_Lock Char 1 Power Door Lock 26. Jenis_Transmisi Char 2 Jenis Transmisi
(38)
No. Nama Field Tipe Data Panjang Keterangan 27. Id_Jenis_Bahan_
Bakar Number 2 Id Jenis Bahan Bakar 28. Id_Range_Volume
_Silinder Number 2 Id Range Volume Silinder 29. Suku_Cadang Varchar2 15 Suku Cadang 30. Perawatan Varchar2 15 Layanan Perawatan 31. Purna_Jual Varchar2 10 Purna Jual
32. Optional Varchar2 750 Perlengkapan Optional 33. Folder_Image Varchar2 125 Folder Image/Gambar
6. Nama File : Dimensi_MF Primary Key : Id
Foreign Key : Id_Mobil File Relasi : Mobil_MF
Keterangan : Master File untuk pengisian Data Dimensi Mobil No. Nama Field Tipe Data Panjang Keterangan
1. Id Number 3 Kode Dimensi
2. Id_Mobil Number 3 Kode Mobil 3. Panjang Number 5 Panjang Mobil 4. Lebar Number 5 Lebar Mobil 5. Tinggi Number 5 Tinggi Mobil 6. Jarak_Sumbu Number 5 Jarak Sumbu Roda 7. Jarak_Pijak_Depan Number 5 Jarak Pijak Roda Depan 8. Jarak_Pijak_
Belakang Number 5 Jarak Pijak Roda Belakang 9. Berat_Kosong Number 5 Berat Kosong Mobil
7. Nama File : MesinSasis_MF Primary Key : Id
Foreign Key : Id_Mobil File Relasi : Mobil_MF
Keterangan : Master File untuk pengisian Data Mesin dan Sasis Mobil No. Nama Field Tipe Data Panjang Keterangan
1. Id Number 3 Kode MesinSasis
2. Id _Mobil Number 3 Kode Mobil 3. Tipe_Mesin Varchar2 200 Tipe Mesin Mobil 4. Volume_Silinder Number 4 Volume Silinder 5. Jumlah_Silinder Number 2 Jumlah Silinder 6. Jumlah_Katup Number 2 Jumlah Katup 7. Daya_Maksimum Number 5 Daya Maksimal 8. Torsi_Maksimum Number 5 Torsi Maksimal 9. Rasio_Kompresi Varchar2 10 Rasio Kompresi
(39)
36
No. Nama Field Tipe Data Panjang Keterangan 10. Jenis_Transmisi Varchar2 100 Jenis Transmisi 11. Jumlah_Transmisi Number 2 Jumlah Transmisi 12. Jenis_Bahan_Bakar Varchar2 50 Jenis Bahan Bakar 13. Sistem_Bahan_
Bakar Varchar2 125 Sistem Bahan Bakar 14. Kapasitas_Bahan_
Bakar Varchar2 3 Kapasitas Tangki BB 15. Suspensi_Depan Varchar2 200 Suspensi Depan 16. Suspensi_Belakang Varchar2 200 Suspensi Belakang 17. Rem_Depan Varchar2 150 Rem Depan 18. Rem_Belakang Varchar2 150 Rem Belakang 19. Uk_Ban Varchar2 15 Ukuran Ban 20. Velg Varchar2 100 Ukuran Velg
8. Nama File : Eksterior_MF Primary Key : Id
Foreign Key : Id_Mobil File Relasi : Mobil_MF
Keterangan : Master File untuk pengisian Data Eksterior Mobil No. Nama Field Tipe Data Panjang Keterangan
1. Id Number 3 Kode Eksterior
2. Id_Mobil Number 3 Kode Mobil
3. Kaca_Spion_Luar Varchar2 125 Pengatur Spion Luar 4. Penahan_Lumpur Varchar2 35 Penahan Lumpur 5. Side_Protection_
Moulding Varchar2 35 Side Protection Moulding 6. Windshield_
Moulding Varchar2 35 Windshield Moulding 7. Moulding_Kaca_
Belakang Varchar2 35 Moulding Kaca Belakang 8. Door_Belt_
Moulding Varchar2 35 Door Belt Moulding 9. Bumper Varchar2 35 Bumper
10. Lampu_Kabut Varchar2 5 Lampu Kabut 11. Hi_Mount_Stop_
Lamp Varchar2 5 Lampu Hi Mount Stop 12. Sun_Roof Varchar2 5 Sun Roof
(40)
9. Nama File : Interior_MF Primary Key : Id
Foreign Key : Id_Mobil File Relasi : Mobil_MF
Keterangan : Master File untuk pengisian Data Interior Mobil No. Nama Field Tipe Data Panjang Keterangan
1. Id Number 3 Kode Interior
2. Id_Mobil Number 3 Kode Mobil 3. Power_Steering Varchar2 100 Power Steering 4. Tilt_Steering Varchar2 75 Tilt Steering 5. Roda_Kemudi Varchar2 100 Roda Steer 6. Power_Window Varchar2 100 Power Window 7. Power_Door_Lock Varchar2 100 Power Door Lock
8. AC Varchar2 100 AC
9. TV Varchar2 35 TV/LCD Monitor
10. CD Varchar2 35 CD
11. Radio Varchar2 35 Radio 12. Tape Varchar2 35 Tape 13. Airbag Varchar2 50 Air Bag
14. Seat_Belt_Depan Varchar2 150 Seat Belt Depan 15. Seat_Belt_
Belakang Varchar2 150 Seat Belt Belakang
10.Nama File : Kriteria_MF Primary Key : Id
Foreign Key : - File Relasi : -
Keterangan : Master File untuk pengisian Kriteria
No. Nama Field Tipe Data Panjang Keterangan
1. Id Number 2 Kode Kriteria
2. Nama Varchar2 30 Nama Kriteria 3. Prioritas_Kriteria Number 2 Prioritas Kriteria 4. Level_Maksimal Number 1 Level Maksimal
5. Status Char 1 Status Hitungan Kriteria 6. Nama_Table Varchar2 20 Nama Table Nilai
Matriks
7. Status_KK Char 1 Status Kuantitatif Kualitatif
8. Nama_Table_Show Varchar2 20 Nama Table Nilai Riil 9. Keterangan Varchar2 255 Keterangan
(41)
38
11.Nama File : SimKriteria Primary Key : Id
Foreign Key : Id_Kriteria File Relasi : Kriteria_MF
Keterangan : Temporary File untuk pengisian Simulasi Kriteria No. Nama Field Tipe Data Panjang Keterangan
1. Id Number 5 Kode SimKriteria
2. Id_Kriteria Number 2 Id Kriteria
3. Kode_Pembanding Number 35 Kode Pembanding 4. Kolom_1 Number 6,4 Preferensi Kolom 1 5. Kolom_2 Number 6,4 Preferensi Kolom 2 6. Kolom_3 Number 6,4 Preferensi Kolom 3 7. Kolom_4 Number 6,4 Preferensi Kolom 4 8. Kolom_5 Number 6,4 Preferensi Kolom 5 9. Kolom_6 Number 6,4 Preferensi Kolom 6 10. Kolom_7 Number 6,4 Preferensi Kolom 7 11. Kolom_8 Number 6,4 Preferensi Kolom 8 12. Kolom_9 Number 6,4 Preferensi Kolom 9 13. Kolom_10 Number 6,4 Preferensi Kolom 10 14. Kolom_11 Number 6,4 Preferensi Kolom 11 15. Kolom_12 Number 6,4 Preferensi Kolom 12 16. Kolom_13 Number 6,4 Preferensi Kolom 13 17. Kolom_14 Number 6,4 Preferensi Kolom 14 18. Kolom_15 Number 6,4 Preferensi Kolom 15
12.Nama File : TempPilihKriteria Primary Key : User_Aktif, Log_User Foreign Key : -
File Relasi : -
Keterangan : Temporary File untuk pengisian Pilihan Kriteria No. Nama Field Tipe Data Panjang Keterangan
1. User_Aktif Varchar2 50 Nama User Aktif 2. Log_User Number 3 Log User Aktif 3. Pilihan Varchar2 50 Kode Kriteria dipilih
(42)
13.Nama File : TempNKriteria Primary Key : Id
Foreign Key : User_Aktif, Log_User, Id_Kriteria File Relasi : TempPilihKriteria, Kriteria_MF
Keterangan : Temporary File untuk pengisian Matriks Kriteria No. Nama Field Tipe Data Panjang Keterangan
1. Id Number 5 Kode TempNKriteria
2. User_Aktif Varchar2 50 Nama User Aktif 3. Log_User Number 3 Log User Aktif 4. Id_Kriteria Number 2 Kode Kriteria 5. Kode_Pembanding Varchar2 35 Kode Pembanding 6. Kriteria_1 Number 6,4 Preferensi Kriteria 1 7. Kriteria_2 Number 6,4 Preferensi Kriteria 2 8. Kriteria_3 Number 6,4 Preferensi Kriteria 3 9. Kriteria_4 Number 6,4 Preferensi Kriteria 4 10. Kriteria_5 Number 6,4 Preferensi Kriteria 5 11. Kriteria_6 Number 6,4 Preferensi Kriteria 6 12. Kriteria_7 Number 6,4 Preferensi Kriteria 7 13. Kriteria_8 Number 6,4 Preferensi Kriteria 8 14. Kriteria_9 Number 6,4 Preferensi Kriteria 9 15. Kriteria_10 Number 6,4 Preferensi Kriteria 10 16. Kriteria_11 Number 6,4 Preferensi Kriteria 11 17. Kriteria_12 Number 6,4 Preferensi Kriteria 12 18. Kriteria_13 Number 6,4 Preferensi Kriteria 13 19. Kriteria_14 Number 6,4 Preferensi Kriteria 14 20. Kriteria_15 Number 6,4 Preferensi Kriteria 15 21. Vektor_Prioritas Number 6,4 Vektor Prioritas 22. CI Number 6,4 Consistensi Index 23. CR Number 6,4 Consistensi Rasio
14.Nama File : SubKriteria_MF Primary Key : Id
Foreign Key : Id_Kriteria File Relasi : Kriteria_MF
Keterangan : Master File untuk pengisian Sub Kriteria No. Nama Field Tipe Data Panjang Keterangan
1. Id Number 3 Kode Sub Kriteria 2. Id_Kriteria Number 2 Kode Kriteria
3. Id_Sub_Kriteria Number 3 Kode Sub-Sub Kriteria 4. Nama Varchar2 30 Nama Sub Kriteria 5. Prioritas_Kriteria Number 2 Prioritas Sub Kriteria 6. Level_Kriteria Number 1 Level Sub Kriteria 7. Status Char 1 Status Hitungan Sub
(43)
40
No. Nama Field Tipe Data Panjang Keterangan 8. Nama_Table Varchar2 20 Nama Table Nilai
Matriks
9. Status_KK Char 1 Status Kuantitatif Kualitatif
10. Nama_Table_Show Varchar2 20 Nama Table Nilai Riil 11. Status_MM Char 1 Status Matriks Mobil 12. Kode_Urut Varchar2 29 Kode Urut Sub Kriteria 13. Keterangan Varchar2 255 Keterangan
15.Nama File : SimSubKriteria Primary Key : Id
Foreign Key : Id_Sub_Kriteria File Relasi : SubKriteria_MF
Keterangan : Temporary File untuk pengisian Simulasi Sub Kriteria No. Nama Field Tipe Data Panjang Keterangan
1. Id Number 5 Kode SimSubKriteria 2. Id_Sub_Kriteria Number 3 Kode Sub Kriteria 3. Kode_Pembanding Number 60 Kode Pembanding 4. Kolom_1 Number 6,4 Preferensi Kolom 1 5. Kolom_2 Number 6,4 Preferensi Kolom 2 6. Kolom_3 Number 6,4 Preferensi Kolom 3 7. Kolom_4 Number 6,4 Preferensi Kolom 4 8. Kolom_5 Number 6,4 Preferensi Kolom 5 9. Kolom_6 Number 6,4 Preferensi Kolom 6 10. Kolom_7 Number 6,4 Preferensi Kolom 7 11. Kolom_8 Number 6,4 Preferensi Kolom 8 12. Kolom_9 Number 6,4 Preferensi Kolom 9 13. Kolom_10 Number 6,4 Preferensi Kolom 10 14. Kolom_11 Number 6,4 Preferensi Kolom 11 15. Kolom_12 Number 6,4 Preferensi Kolom 12 16. Kolom_13 Number 6,4 Preferensi Kolom 13 17. Kolom_14 Number 6,4 Preferensi Kolom 14 18. Kolom_15 Number 6,4 Preferensi Kolom 15
16.Nama File : TempSubKriteria Primary Key : -
Foreign Key : User_Aktif, Log_User, Id_Kriteria File Relasi : TempPilihKriteria, Kriteria_MF
Keterangan : Temporary File untuk pengisian Pilihan Sub Kriteria No. Nama Field Tipe Data Panjang Keterangan
1. User_Aktif Varchar2 50 Nama User Aktif 2. Log_User Number 3 Log User Aktif
(44)
No. Nama Field Tipe Data Panjang Keterangan 3. Id_Kriteria Number 2 Kode Kriteria 4. Id_Sub2_Kriteria Number 3 Kode Sub2 Kriteria 5. Kode_Id Varchar2 120 Kode Sub-Sub Kriteria 6. Judul Varchar2 450 Judul Headline
17.Nama File : TempNSubKriteria Primary Key : Id
Foreign Key : User_Aktif, Log_User, Id_Sub_Kriteria, Id_Kriteria File Relasi : TempPilihKriteria, SubKriteria_MF, Kriteria_MF Keterangan : Temporary File untuk pengisian Matriks Sub Kriteria
No. Nama Field Tipe Data Panjang Keterangan
1. Id Number 6 Kode TempNSubKriteria 2. User_Aktif Varchar2 50 Nama User Aktif
3. Log_User Number 3 Log User Aktif 4. Id_Sub_Kriteria Number 3 Kode Sub Kriteria 5. Kode_Pembanding Varchar2 60 Kode Pembanding 6. Id_Kriteria Number 2 Kode Kriteria 7. Id_Sub2_Kriteria Number 3 Kode Sub2 Kriteria 8. Level_Kriteria Number 1 Level Sub Kriteria 9. Sub_Kriteria_1 Number 6,4 Preferensi Sub Kriteria 1 10. Sub_Kriteria_2 Number 6,4 Preferensi Sub Kriteria 2 11. Sub_Kriteria_3 Number 6,4 Preferensi Sub Kriteria 3 12. Sub_Kriteria_4 Number 6,4 Preferensi Sub Kriteria 4 13. Sub_Kriteria_5 Number 6,4 Preferensi Sub Kriteria 5 14. Sub_Kriteria_6 Number 6,4 Preferensi Sub Kriteria 6 15. Sub_Kriteria_7 Number 6,4 Preferensi Sub Kriteria 7 16. Sub_Kriteria_8 Number 6,4 Preferensi Sub Kriteria 8 17. Sub_Kriteria_9 Number 6,4 Preferensi Sub Kriteria 9 18. Sub_Kriteria_10 Number 6,4 Preferensi Sub Kriteria 10 19. Sub_Kriteria_11 Number 6,4 Preferensi Sub Kriteria 11 20. Sub_Kriteria_12 Number 6,4 Preferensi Sub Kriteria 12 21. Sub_Kriteria_13 Number 6,4 Preferensi Sub Kriteria 13 22. Sub_Kriteria_14 Number 6,4 Preferensi Sub Kriteria 14 23. Sub_Kriteria_15 Number 6,4 Preferensi Sub Kriteria 15 24. Vektor_Prioritas Number 6,4 Vektor Prioritas
25. CI Number 6,4 Consistensi Index 26. CR Number 6,4 Consistensi Rasio 27. Kode_Rangking Varchar2 10 Kode Rangking
(45)
42
18.Nama File : TempPilihMobil Primary Key : User_Aktif, Log_User Foreign Key : Id_Kategori
File Relasi : Kategori_MF
Keterangan : Temporary File untuk pengisian Pilihan Mobil No. Nama Field Tipe Data Panjang Keterangan
1. User_Aktif Varchar2 50 Nama User Aktif 2. Log_User Number 3 Log User Aktif 3. Id_Kategori Number 2 Id Kategori Mobil 4. Mobil_1 Number 3 Kode Mobil 1 5. Mobil_2 Number 3 Kode Mobil 2 6. Mobil_3 Number 3 Kode Mobil 3 7. Mobil_4 Number 3 Kode Mobil 4 8. Mobil_5 Number 3 Kode Mobil 5 9. Mobil_6 Number 3 Kode Mobil 6 10. Mobil_7 Number 3 Kode Mobil 7 11. Mobil_8 Number 3 Kode Mobil 8 12. Mobil_9 Number 3 Kode Mobil 9 13. Mobil_10 Number 3 Kode Mobil 10
19.Nama File : TempNMobil Primary Key : Id
Foreign Key : User_Aktif, Log_User, Id_Mobil, Id_Kriteria File Relasi : TempPilihMobil, Mobil_MF, Kriteria_MF
Keterangan : Temporary File untuk pengisian Matriks Mobil dalam batasan Kriteria Global
No. Nama Field Tipe Data Panjang Keterangan
1. Id Number 4 Kode TempNMobil
2. User_Aktif Varchar2 50 Nama User Aktif 3. Log_User Number 3 Log User Aktif 4. Id_Mobil Number 3 Kode Mobil 5. Id_Kriteria Number 2 Kode Kriteria 6. Mobil_1 Number 6,4 Preferensi Mobil 1 7. Mobil_2 Number 6,4 Preferensi Mobil 2 8. Mobil_3 Number 6,4 Preferensi Mobil 3 9. Mobil_4 Number 6,4 Preferensi Mobil 4 10. Mobil_5 Number 6,4 Preferensi Mobil 5 11. Mobil_6 Number 6,4 Preferensi Mobil 6 12. Mobil_7 Number 6,4 Preferensi Mobil 7 13. Mobil_8 Number 6,4 Preferensi Mobil 8 14. Mobil_9 Number 6,4 Preferensi Mobil 9 15. Mobil_10 Number 6,4 Preferensi Mobil 10 16. Vektor_Prioritas Number 6,4 Vektor Prioritas 17. CI Number 6,4 Consistensi Index 18. CR Number 6,4 Consistensi Rasio
(46)
20.Nama File : TempNMobilSub Primary Key : Id
Foreign Key : User_Aktif, Log_User, Id_Mobil, Id_Kriteria, Id_Sub_Kriteria
File Relasi : TempPilihMobil, Mobil_MF, Kriteria_MF, SubKriteria_MF Keterangan : Temporary File untuk pengisian Matriks Mobil dalam
batasan Sub Kriteria
No. Nama Field Tipe Data Panjang Keterangan
1. Id Number 7 Kode TempNMobilSub
2. User_Aktif Varchar2 50 Nama User Aktif 3. Log_User Number 3 Log User Aktif 4. Id_Mobil Number 3 Kode Mobil 5. Id_Kriteria Number 2 Kode Kriteria 6. Id_Sub_Kriteria Number 3 Kode Sub Kriteria 7. Id_Sub2_Kriteria Number 3 Kode Sub2 Kriteria 8. Level_Kriteria Number 1 Level Kriteria 9. Mobil_1 Number 6,4 Preferensi Mobil 1 10. Mobil_2 Number 6,4 Preferensi Mobil 2 11. Mobil_3 Number 6,4 Preferensi Mobil 3 12. Mobil_4 Number 6,4 Preferensi Mobil 4 13. Mobil_5 Number 6,4 Preferensi Mobil 5 14. Mobil_6 Number 6,4 Preferensi Mobil 6 15. Mobil_7 Number 6,4 Preferensi Mobil 7 16. Mobil_8 Number 6,4 Preferensi Mobil 8 17. Mobil_9 Number 6,4 Preferensi Mobil 9 18. Mobil_10 Number 6,4 Preferensi Mobil 10 19. Vektor_Prioritas Number 6,4 Vektor Prioritas 20. CI Number 6,4 Consistensi Index 21. CR Number 6,4 Consistensi Rasio 22. Kode_Rangking Varchar2 10 Kode Rangking
21.Nama File : Rangking Primary Key : Id
Foreign Key : User_Aktif, Log_User File Relasi : TempPilihKriteria
Keterangan : Temporary File untuk pengisian Rangking No. Nama Field Tipe Data Panjang Keterangan
1. Id Number 5 Kode Rangking
2. User_Aktif Varchar2 50 User Aktif 3. Log_User Number 3 Log User Aktif
4. Tanggal Date Tanggal
(47)
44
22.Nama File : DetailRangking Primary Key : Id
Foreign Key : Id_Rangking, Id_Mobil File Relasi : Rangking, Mobil_MF
Keterangan : Temporary File untuk pengisian Detail Rangking No. Nama Field Tipe Data Panjang Keterangan
1. Id Number 5 Kode Detail Rangking 2. Id_Rangking Number 5 Kode Rangking 3. Id_Mobil Number 3 Kode Mobil
4. Nilai Number 6,4 Nilai Vektor Prioritas
3.1.4 Database Tambahan
Selain database yang tercantum dalam E-R Diagram, dalam sistem juga terdapat database yang tidak berelasi, antara lain sebagai berikut :
1. Nama File : Kondisi_MF Primary Key : Id
Foreign Key : - File Relasi : -
Keterangan : Master File untuk pengisian Kondisi Kualitatif Kriteria No. Nama Field Tipe Data Panjang Keterangan
1. Id Number 2 Kode Kondisi
2. Nama Varchar2 30 Nama Kondisi
2. Nama File : NilaiKondisi_MF Primary Key : Id
Foreign Key : Id_Nama_Kondisi File Relasi : Kondisi_MF
Keterangan : Master File untuk pengisian Nilai Kondisi Kualitatif Kriteria No. Nama Field Tipe Data Panjang Keterangan
1. Id Number 2 Nama Nilai Kondisi 2. Nama Varchar2 30 Nama Nilai Kondisi 3. Id_Nama_Kondisi Number 2 Kode Kondisi 4. Nilai Number 1 Nilai Preferensi
(48)
3. Nama File : RandomIndex_MF Primary Key : Elemen
Foreign Key : - File Relasi : -
Keterangan : Master File untuk pengisian Random Index No. Nama Field Tipe Data Panjang Keterangan
1. Elemen Number 2 Elemen
2. Random_Index Number 4,2 Nilai Random Index
3.2 Proses
Selama ini, sistem-sistem dengan metode AHP yang ada hanyalah memakai semua kriteria yang telah ditetapkan oleh si expert atau dengan kata lain bersifat statis. Selain itu, sistem yang dibuatpun hanya dipakai untuk dirinya sendiri atau pemilik produk (produsen). Namun dalam sistem ini, karena dibuat berbasis web dan untuk dipakai oleh konsumen atau para user yang dalam hal ini adalah netter dan konsumen mobil, maka si User dimungkinkan untuk memilih kriteria dan alternatif (mobil) sesuai keinginan user itu sendiri dari bebarapa pilihan yang disediakan sistem.
3.2.1. Flow Chart
Dalam proses pemilihan mobil oleh user, maka dibuatlah suatu standard procedure yang dituangkan dalam Flow Chart seperti tampak pada gambar 3.13.
(49)
46
Mulai
Pengisian Matriks Kriteria
Pilih Kriteria
Pilihan Kriteria >= 3 & <= 15 Tidak
Perhitungan Vektor Prioritas & Konsistensi
Kriteria
Perhitungan Vektor Prioritas & Konsistensi
Alternatif
Pilih Alternatif
Pengisian Matriks Alternatif Pilihan Alternatif >= 3 & <= 10
Tidak
Perhitungan Prioritas Global
Rangking Mobil
Selesai Ya
Ya
Gambar 3.13. Flow Chart Pemilihan Mobil
3.2.2. Pemilihan Kriteria
Dalam pemilihan Kriteria, user tidak perlu repot-repot melakukan pembobotan karena sudah disediakan sistem, dimana pembobotan tersebut sudah dijamin memenuhi persyaratan tingkat inkonsistensi kurang dari sama dengan 10%. User tinggal memilih beberapa macam kriteria yang tersedia minimal tiga kriteria dan maksimal lima belas kriteria.
Pada gambar 3.14 dapat dijelaskan proses pemilihan Kriteria sebagai berikut :
- Tabel SimKriteria menyimpan data simulasi kriteria yang disiapkan untuk pemilihan Kriteria dengan pembobotan yang disediakan sistem. Isi field Kode_Pembanding menandakan satu kelompok kriteria yang dipilih oleh user,
(50)
dengan nilai preferensi yang tersimpan di field Kolom_1 sampai dengan Kolom_15.
- Kriteria yang dipilih user disimpan dalam tabel TempPilihKriteria pada field Pilihan. Kemudian data tersebut dicocokkan dengan tabel SimKriteria untuk mengambil nilai preferensi guna membangun matriks kriteria yang akan disimpan di tabel TempNKriteria.
Mulai
Ambil Matriks Kriteria Pilih Kriteria
Pilihan Kriteria >= 3 & <= 15 Tidak
Pengisian Matriks Kriteria
Selesai Ya
(51)
48
Id Nama Prioritas_ Kriteria Status 1 Harga 1 F
2 JPL 9 T
3 Dimensi 7 T
User_Aktif Pilihan Bas 1_2_6
Id Kode_Pem banding Kolom_1 Kolom_2 Kolom_3 1 1_2_6 1,0000 6,0000 7,0000 2 1_2_6 0,1667 1,0000 2,0000 3 1_2_6 0,1429 0,5000 1,0000
Id User_ Aktif Kode_Pem Banding Kriteria_1 Kriteria_2 Kriteria_3 1 Bas 1_2_6 1,0000 6,0000 7,0000 2 Bas 1_2_6 0,1667 1,0000 2,0000 3 Bas 1_2_6 0,1429 0,5000 1,0000
Gambar 3.14. Isi record tabel TemNKriteria dari proses pemilihan Kriteria
3.2.3. Pemilihan Sub Kriteria
Seperti halnya pemilihan Kriteria, pembobotan Sub Kriteria juga sudah disediakan sistem. Hanya bedanya, user diharuskan memilih seluruh Sub Kriteria dari setiap Kriteria yang dipilih yang memiliki Sub Kriteria.
SIMKRITERIA ID <pk> NUMBER(5) KODE_PEMBANDING VARCHAR2(35) KOLOM_1 NUMBER(6,4) KOLOM_2 NUMBER(6,4) KOLOM_3 NUMBER(6,4) KOLOM_4 NUMBER(6,4) KOLOM_5 NUMBER(6,4) KOLOM_6 NUMBER(6,4) KOLOM_7 NUMBER(6,4) KOLOM_8 NUMBER(6,4) KOLOM_9 NUMBER(6,4) KOLOM_10 NUMBER(6,4) KOLOM_11 NUMBER(6,4) KOLOM_12 NUMBER(6,4) KOLOM_13 NUMBER(6,4) KOLOM_14 NUMBER(6,4) KOLOM_15 NUMBER(6,4) KRITERIA_MF ID <pk> NUMBER(2) NAMA VARCHAR2(30) PRIORITAS_KRITERIA NUMBER(2) LEVEL_MAKSIMAL NUMBER(1) STATUS CHAR(1) NAMA_TABLE VARCHAR2(20) STATUS_KK CHAR(1) NAMA_TABLE_SHOW VARCHAR2(20) KETERANGAN VARCHAR2(255) TEMPPILIHKRITERIA USER_AKTIF <pk> VARCHAR2(50) LOG_USER <pk> NUMBER(3) PILIHAN VARCHAR2(50)
TEMPNKRITERIA ID <pk> NUMBER(5) USER_AKTIF <fk> VARCHAR2(50) LOG_USER <fk> NUMBER(3) ID_KRITERIA <fk> NUMBER(2) KODE_PEMBANDING VARCHAR2(35) KRITERIA_1 NUMBER(6,4) KRITERIA_2 NUMBER(6,4) KRITERIA_3 NUMBER(6,4) KRITERIA_4 NUMBER(6,4) KRITERIA_5 NUMBER(6,4) KRITERIA_6 NUMBER(6,4) KRITERIA_7 NUMBER(6,4) KRITERIA_8 NUMBER(6,4) KRITERIA_9 NUMBER(6,4) KRITERIA_10 NUMBER(6,4) KRITERIA_11 NUMBER(6,4) KRITERIA_12 NUMBER(6,4) KRITERIA_13 NUMBER(6,4) KRITERIA_14 NUMBER(6,4) KRITERIA_15 NUMBER(6,4) VEKTOR_PRIORITAS NUMBER(6,4) CI NUMBER(6,4) CR NUMBER(6,4)
(52)
Gambar 3.15 menjelaskan proses pemilihan Sub Kriteria sebagai berikut: - Bilamana Kriteria yang dipilih user mempunyai Sub Kriteria, maka Sub Kriteria
tersebut secara otomatis terpilih seluruhnya.
- Tabel SubKriteria_MF menyimpan data-data Sub Kriteria. Field Kode_Urut digunakan untuk menyimpan kode urutan Sub Kriteria sesuai levelnya, sehingga untuk memudahkan dalam menampilkan sub kriteria dan kriteria yang sewaktu-waktu ditambah atau dikurangi.
- Tabel SimSubKriteria menyimpan nilai preferensi Sub Kriteria. Isi field Kode_Pembanding menandakan satu kelompok Sub Kriteria dalam satu level, dengan nilai preferensi yang tersimpan di field Kolom_1 sampai dengan Kolom_15.
- Sub Kriteria yang dipilih user disimpan dalam tabel TempSubKriteria pada field Kode_Id. Kemudian data tersebut dicocokkan dengan tabel SimSubKriteria untuk mengambil nilai preferensi guna membangun matriks kriteria yang akan disimpan di tabel TempNSubKriteria.
(53)
50
Id Kriteria Id_ Id_Sub_ Kriteria Nama KriteriaLevel_ Status
25 6 0 Panjang 1 T
26 6 0 Lebar 1 T
27 6 0 Tinggi 1 T
28 6 0 Berat 1 F
User_
Aktif KriteriaId_ Id_Sub_Kriteria Kode_Id
Bas 6 0 25_26_27_28_
Id Kode_Pembanding Kolom_1 Kolom_2 Kolom_3 Kolom_4 25 25_26_27_28_ 1,0000 2,0000 2,5000 0,2500 26 25_26_27_28_ 0,5000 1,0000 2,0000 0,2000 27 25_26_27_28_ 0,4000 0,5000 1,0000 0,1667 28 25_26_27_28_ 4,0000 5,0000 6,0000 1,0000
Id User_ Aktif Kode_Pem banding KriteriaId_ Id_Sub_ Kriteria Kolom_1 Kolom_2 Kolom_3 Kolom_4 1 Bas 25_26_27_28_ 6 0 1,0000 2,0000 2,5000 0,2500 2 Bas 25_26_27_28_ 6 0 0,5000 1,0000 2,0000 0,2000 3 Bas 25_26_27_28_ 6 0 0,4000 0,5000 1,0000 0,1667 4 Bas 25_26_27_28_ 6 0 4,0000 5,0000 6,0000 1,0000
Gambar 3.15. Isi record tabel TemNSubKriteria dari proses pemilihan Sub Kriteria
SIMSUBKRITERIA ID <pk> NUMBER(5) KODE_PEMBANDING VARCHAR2(60) KOLOM_1 NUMBER(6,4) KOLOM_2 NUMBER(6,4) KOLOM_3 NUMBER(6,4) KOLOM_4 NUMBER(6,4) KOLOM_5 NUMBER(6,4) KOLOM_6 NUMBER(6,4) KOLOM_7 NUMBER(6,4) KOLOM_8 NUMBER(6,4) KOLOM_9 NUMBER(6,4) KOLOM_10 NUMBER(6,4) KOLOM_11 NUMBER(6,4) KOLOM_12 NUMBER(6,4) KOLOM_13 NUMBER(6,4) KOLOM_14 NUMBER(6,4) KOLOM_15 NUMBER(6,4) KRITERIA_MF ID <pk> NUMBER(2) NAMA VARCHAR2(30) PRIORITAS_KRITERIA NUMBER(2) LEVEL_MAKSIMAL NUMBER(1) STATUS CHAR(1) NAMA_TABLE VARCHAR2(20) STATUS_KK CHAR(1) NAMA_TABLE_SHOW VARCHAR2(20) KETERANGAN VARCHAR2(255) SUBKRITERIA_MF ID <pk> NUMBER(3) ID_KRITERIA <fk> NUMBER(2) ID_SUB_KRITERIA NUMBER(3) NAMA VARCHAR2(30) PRIORITAS_KRITERIA NUMBER(2) LEVEL_KRITERIA NUMBER(1) STATUS CHAR(1) NAMA_TABLE VARCHAR2(20) STATUS_KK CHAR(1) NAMA_TABLE_SHOW VARCHAR2(20) STATUS_MM CHAR(1) KODE_URUT VARCHAR2(29) KETERANGAN VARCHAR2(255) TEMPSUBKRITERIA USER_AKTIF <fk> VARCHAR2(50) LOG_USER <fk> NUMBER(3) ID_KRITERIA <fk> NUMBER(2) ID_SUB2_KRITERIA NUMBER(3) KODE_ID VARCHAR2(120) JUDUL VARCHAR2(450)
TEMPNSUBKRITERIA ID <pk> NUMBER(6) USER_AKTIF <fk> VARCHAR2(50) LOG_USER <fk> NUMBER(3) ID_SUB_KRITERIA <fk> NUMBER(3) KODE_PEMBANDING VARCHAR2(60) ID_KRITERIA <fk> NUMBER(2) ID_SUB2_KRITERIA NUMBER(3) LEVEL_KRITERIA NUMBER(1) SUB_KRITERIA_1 NUMBER(6,4) SUB_KRITERIA_2 NUMBER(6,4) SUB_KRITERIA_3 NUMBER(6,4) SUB_KRITERIA_4 NUMBER(6,4) SUB_KRITERIA_5 NUMBER(6,4) SUB_KRITERIA_6 NUMBER(6,4) SUB_KRITERIA_7 NUMBER(6,4) SUB_KRITERIA_8 NUMBER(6,4) SUB_KRITERIA_9 NUMBER(6,4) SUB_KRITERIA_10 NUMBER(6,4) SUB_KRITERIA_11 NUMBER(6,4) SUB_KRITERIA_12 NUMBER(6,4) SUB_KRITERIA_13 NUMBER(6,4) SUB_KRITERIA_14 NUMBER(6,4) SUB_KRITERIA_15 NUMBER(6,4) VEKTOR_PRIORITAS NUMBER(6,4) CI NUMBER(6,4) CR NUMBER(6,4) KODE_RANGKING VARCHAR2(10)
(1)
(2)
dimana model mempunyai sub kriteria Jumlah Pintu, Interior, Rem Depan, Rem
Belakang, Kaca Spion Luar. Pilihan Mobil adalah 3 Series New 325i, A4 2.4
Multitronic, New Accord VTi L Automatic 2300 cc dalam kategori Sedan dan cc
= 2001 – 2500 cc.
Percobaan ke-3, pilihan kriteria adalah Harga, Jarak Per Liter, Suku
Cadang, Perawatan, Purna Jual (semua kriteria tidak mempunyai sub kriteria).
Pilihan Mobil adalah Taruna CL 1.5, Taruna CSX 1.5, Taruna CL Plus, Taruna
CX 1.5, Taruna FGX 1.5, Taruna FL 1.5, Taruna FL 1.5 Plus, Taruna FX 1.5,
YRV Automatic, YRV Manual (maksimal pilihan alternatif sejumlah sepuluh)
dalam kategori Van dan cc = 1001 – 1500 cc.
Dari percobaan-percobaan tersebut maka hasilnya dapat dilihat di tabel di
bawah ini.
Tabel 4.1.
Consistensi Rasio Matriks Perbandingan pada Komputer
Client
Perco-baan Kriteria CR Sub Kriteria CR Alternatif CR 1 Harga
0,0467
Taft GT New, Taft GTL, Taft Rocky New 0,0000 Jarak Per Liter Taft GT New, Taft GTL, Taft Rocky New 0,0000 Suku Cadang Taft GT New, Taft GTL, Taft Rocky New 0,0000 2 Harga
0,0466
3 Series New 325i, A4 2.4 Multitronic, New Accord VTi L Automatic 2300 cc 0,0000 Jarak Per Liter 3 Series New 325i, A4 2.4 Multitronic,
New Accord VTi L Automatic 2300 cc 0,0000 Model Jumlah Pintu
0,0213
3 Series New 325i, A4 2.4 Multitronic, New Accord VTi L Automatic 2300 cc 0,0000 Interior 3 Series New 325i, A4 2.4 Multitronic,
New Accord VTi L Automatic 2300 cc 0,0000 Rem Depan 3 Series New 325i, A4 2.4 Multitronic,
New Accord VTi L Automatic 2300 cc 0,0000 Rem Belakang 3 Series New 325i, A4 2.4 Multitronic,
New Accord VTi L Automatic 2300 cc 0,0000 Kaca Spion
Luar
3 Series New 325i, A4 2.4 Multitronic, New Accord VTi L Automatic 2300 cc 0,0000
(3)
Perco-baan Kriteria CR Sub Kriteria CR Alternatif CR 3 Harga
0,0154
Taruna CL 1.5, Taruna CSX 1.5, Taruna CL Plus, Taruna CX 1.5, Taruna FGX 1.5, Taruna FL 1.5, Taruna FL 1.5 Plus, Taruna FX 1.5, YRV Automatic, YRV Manual
0,0000
Jarak Per Liter
Taruna CL 1.5, Taruna CSX 1.5, Taruna CL Plus, Taruna CX 1.5, Taruna FGX 1.5, Taruna FL 1.5, Taruna FL 1.5 Plus, Taruna FX 1.5, YRV Automatic, YRV Manual
0,0000
Suku Cadang
Taruna CL 1.5, Taruna CSX 1.5, Taruna CL Plus, Taruna CX 1.5, Taruna FGX 1.5, Taruna FL 1.5, Taruna FL 1.5 Plus, Taruna FX 1.5, YRV Automatic, YRV Manual
0,0000
Perawatan
Taruna CL 1.5, Taruna CSX 1.5, Taruna CL Plus, Taruna CX 1.5, Taruna FGX 1.5, Taruna FL 1.5, Taruna FL 1.5 Plus, Taruna FX 1.5, YRV Automatic, YRV Manual
0,0000
Purna Jual
Taruna CL 1.5, Taruna CSX 1.5, Taruna CL Plus, Taruna CX 1.5, Taruna FGX 1.5, Taruna FL 1.5, Taruna FL 1.5 Plus, Taruna FX 1.5, YRV Automatic, YRV Manual
0,0000
4.1.2
Percobaan pada Komputer
Browser
Prosesnya sama seperti pada komputer
Client
. Pada percobaan ke-1,
Kriteria yang dipilih adalah Harga, Suku Cadang, Perawatan dan Purna Jual
(empat kriteria tanpa sub kriteria). Pilihan Mobil sebanyak lima yaitu New
Terrano Granroad G1, New Terrano Kingsroad K1, Santa Fe 2 WD 2.4 M/T,
Santa Fe Cosmo Cruiser 4x2 M/T, Terrano Granroad XTR dalam kategori Jeep
dan cc = 2001 – 2500 cc.
Percobaan ke-2, pilihan kriteria adalah Jarak Per Liter, Kehandalan,
Dimensi, dan Suku Cadang, dimana Kehandalan mempunyai sub kriteria Volume
Silinder, Jumlah Silinder, Jumlah Katup, Daya Maksimum, Torsi Maksimum,
Jenis Transmisi, Jumlah Transmisi dan Dimensi juga mempunyai sub kriteria
Panjang, Lebar, Tinggi, Berat Kosong. Pilihan Mobil adalah 3 Series New 318i,
A3 1.8 Turbo, Legenza 2.0 DOHC Automatic, Nubira 1.6 DOHC Automatic
dalam kategori Sedan dan cc = 1501 – 1800 cc.
(4)
Perawatan, dan Purna Jual, dimana Dimensi mempunyai sub kriteria Panjang,
Lebar, Tinggi, Berat Kosong. Pilihan Mobil adalah New Kijang Deluxe LSX-D
2002, New Panther Touring 2.5 M/T, New Panther Hi Grade LS 2.5 New M/T
dalam kategori Van dan cc = 2001 – 2500 cc.
Dari percobaan-percobaan tersebut maka hasilnya dapat dilihat pada
tabel di bawah ini.
Tabel 4.2.
Consistensi Rasio Matriks Perbandingan pada Komputer
Browser
Perco-baan Kriteria CR Sub Kriteria CR Alternatif CR 1 Harga
0,0095
New Terrano Granroad G1, New Terrano Kingsroad K1, Santa Fe 2 WD 2.4 M/T, Santa Fe Cosmo Cruiser 4x2 M/T, Terrano Granroad XTR
0,0000 Suku
Cadang
New Terrano Granroad G1, New Terrano Kingsroad K1, Santa Fe 2 WD 2.4 M/T, Santa Fe Cosmo Cruiser 4x2 M/T, Terrano Granroad XTR
0,0000
Perawatan
New Terrano Granroad G1, New Terrano Kingsroad K1, Santa Fe 2 WD 2.4 M/T, Santa Fe Cosmo Cruiser 4x2 M/T, Terrano Granroad XTR
0,0000
Purna Jual
New Terrano Granroad G1, New Terrano Kingsroad K1, Santa Fe 2 WD 2.4 M/T, Santa Fe Cosmo Cruiser 4x2 M/T, Terrano Granroad XTR
0,0000
2 Jarak Per Liter
0,0293
3 Series New 318i, A3 1.8 Turbo, Legenza 2.0 DOHC Automatic, Nubira 1.6 DOHC Automatic 0,0000 Kehandalan Volume
Silinder
0,0828
3 Series New 318i, A3 1.8 Turbo, Legenza 2.0 DOHC Automatic, Nubira 1.6 DOHC Automatic 0,0000 Jumlah
Silinder
3 Series New 318i, A3 1.8 Turbo, Legenza 2.0 DOHC Automatic, Nubira 1.6 DOHC Automatic 0,0000 Jumlah
Katup
3 Series New 318i, A3 1.8 Turbo, Legenza 2.0 DOHC Automatic, Nubira 1.6 DOHC Automatic 0,0000 Daya
Maksimum
3 Series New 318i, A3 1.8 Turbo, Legenza 2.0 DOHC Automatic, Nubira 1.6 DOHC Automatic 0,0000 Torsi
Maksimum
3 Series New 318i, A3 1.8 Turbo, Legenza 2.0 DOHC Automatic, Nubira 1.6 DOHC Automatic 0,0000 Jenis
Transmisi
3 Series New 318i, A3 1.8 Turbo, Legenza 2.0 DOHC Automatic, Nubira 1.6 DOHC Automatic 0,0000 Jumlah
Transmisi
3 Series New 318i, A3 1.8 Turbo, Legenza 2.0 DOHC Automatic, Nubira 1.6 DOHC Automatic 0,0000
(5)
Perco-baan Kriteria
Sub
Kriteria Alternatif CR
Dimensi Panjang
0,0226
3 Series New 318i, A3 1.8 Turbo, Legenza 2.0 DOHC Automatic, Nubira 1.6 DOHC Automatic 0,0000 Lebar 3 Series New 318i, A3 1.8 Turbo, Legenza 2.0
DOHC Automatic, Nubira 1.6 DOHC Automatic 0,0000 Tinggi 3 Series New 318i, A3 1.8 Turbo, Legenza 2.0
DOHC Automatic, Nubira 1.6 DOHC Automatic 0,0000 Berat
Kosong
3 Series New 318i, A3 1.8 Turbo, Legenza 2.0 DOHC Automatic, Nubira 1.6 DOHC Automatic 0,0000 Suku
Cadang
3 Series New 318i, A3 1.8 Turbo, Legenza 2.0 DOHC Automatic, Nubira 1.6 DOHC Automatic 0,0000
3 Dimensi
0,0073 Panjang
0,0226
New Kijang Deluxe LSX-D 2002, New Panther Touring 2.5 M/T, New Panther Hi Grade LS 2.5 New M/T
0,0000
Lebar
New Kijang Deluxe LSX-D 2002, New Panther Touring 2.5 M/T, New Panther Hi Grade LS 2.5 New M/T
0,0000
Tinggi
New Kijang Deluxe LSX-D 2002, New Panther Touring 2.5 M/T, New Panther Hi Grade LS 2.5 New M/T
0,0000 Berat
Kosong
New Kijang Deluxe LSX-D 2002, New Panther Touring 2.5 M/T, New Panther Hi Grade LS 2.5 New M/T
0,0000 Suku
Cadang
New Kijang Deluxe LSX-D 2002, New Panther Touring 2.5 M/T, New Panther Hi Grade LS 2.5 New M/T
0,0000
Perawatan
New Kijang Deluxe LSX-D 2002, New Panther Touring 2.5 M/T, New Panther Hi Grade LS 2.5 New M/T
0,0000
Purna Jual
New Kijang Deluxe LSX-D 2002, New Panther Touring 2.5 M/T, New Panther Hi Grade LS 2.5 New M/T
0,0000
4.2
Evaluasi
Berdasarkan hasil percobaan-percobaan baik pada komputer
client
maupun komputer
browser
, pembobotan Kriteria menghasilkan vektor prioritas
maksimal di bawah 5% (4.67%, 4.66%, 1.54%, 0.95%, 2.93%, 0.73%).
Pembobotan Sub Kriteria menghasilkan vektor prioritas maksimal 8%, tapi lebih
banyak yang di bawah 3% (2.13%, 8.28%, 2.26%, 2.26%). Hasil tersebut sudah
cukup bagus mengingat secara teori, toleransi inkonsistensi yang masih bisa
diterima maksimal 10%. Sedangkan pembobotan Alternatif hasil
generate
(6)