Dalam melakukan perhitungan metode AHP dan SAW, terlebih
dahulu menentukan kriteria yang dibutuhkan untuk menentukan keputusan yang
cepat dan mudah dalam Perekrutan Petugas Sensus Ekonomi, Adapun kriteria yang
digunakan adalah sebagai berikut:
Berdasarkan kriteria diatas maka akan digunakan parameter untuk menentukan
bobot dari kriteria. Bobot parameter untuk setiap kriteria adalah sebagai
berikut:
1. Kriteria Usia (K1)
Parameter yang digunakan dapat dilihat pada tabel 3.1.
Tabel 3.1 Parameter Usia
No
|
Parameter
|
Nilai
|
1
|
22=< Usia <25
|
1
|
2
|
27=< Usia <30
|
0.75
|
3
|
30=< Usia <32
|
0.5
|
4
|
32=< Usia <35
|
0.25
|
5
|
Usia >= 35
|
0
|
2. Test Wawancara (K2)
Parameter yang digunakan dapat dilihat pada tabel 3.2.
Tabel 3.2 Parameter
Kelengkapan Berkas
No
|
Parameter
|
Nilai
|
1
|
90 - 100
|
1
|
2
|
80 - 90
|
0.75
|
70 - 80
|
0.5
|
|
60 - 70
|
0.25
|
|
< 60
|
0
|
3. Pendidikan (K3)
Parameter yang digunakan dapat dilihat pada tabel 3.3.
Tabel 3.3 Parameter
Pendidikan
No
|
Parameter
|
Nilai
|
1
|
Lebih Tinggi dari Persyaratan
|
1
|
2
|
Sesuai dengan Persyaratan
|
0.5
|
3
|
Dibawah Persyaratan
|
0
|
4. IPK (K4)
Parameter yang digunakan dapat dilihat pada tabel 3.4.
Tabel 3.4 Parameter IPK
No
|
Parameter
|
Nilai
|
1
|
2.75 - 3.00
|
0.25
|
2
|
3.00 - 3.25
|
0.50
|
3
|
3.25 - 3.50
|
0.75
|
4
|
> 3.50
|
1
|
5. Pengalaman (K5)
Parameter yang digunakan dapat dilihat pada tabel 3.5.
Tabel 3.5 Parameter
Pengalaman
No
|
Parameter
|
Nilai
|
1
|
>= 8 Tahun
|
1
|
2
|
>= 5 Tahun
|
0.75
|
3
|
>= 3 Tahun
|
0.5
|
4
|
>= 1 Tahun
|
0.25
|
5
|
Tidak Ada
|
0
|
Analisa Contoh Kasus
Untuk melakukan perhitungan manual Perekrutan Petugas Sensus Ekonomi
menggunakan Metode AHP dan SAW maka diambil
tiga contoh kasus dengan data yang berbeda.
1. Analisa Metode AHP
- a.
Membuat matriks perbandingan berpasangan antar kriteria è weight=bobot
- b.
Memberikan penilaianterhadap elemen yang dibandingkan dalam matriks
Tabel 3.6Matriks
Perbandingan
GOAL
|
K001
|
K002
|
K003
|
K004
|
K005
|
|
50
|
100
|
75
|
75
|
75
|
||
K001
|
50
|
1
|
0.5
|
0.67
|
0.67
|
0.67
|
K002
|
100
|
2
|
1
|
1.33
|
1.33
|
1.33
|
K003
|
75
|
1.5
|
0.75
|
1
|
1
|
1
|
K004
|
75
|
1.5
|
0.75
|
1
|
1
|
1
|
K005
|
75
|
1.5
|
0.75
|
1
|
1
|
1
|
- Menjumlahkan
nilai elemen setiap kolom dari nilai-nilai elemen matrik kriteria diatas,
maka jumlah elemen setiap kolom adalah :
Tabel 3.7 Nilai elemen
tiap kolom
GOAL
|
K001
|
K002
|
K003
|
K004
|
K005
|
|
50
|
100
|
75
|
75
|
75
|
||
K001
|
50
|
1
|
0.5
|
0.67
|
0.67
|
0.67
|
K002
|
100
|
2
|
1
|
1.33
|
1.33
|
1.33
|
K003
|
75
|
1.5
|
0.75
|
1
|
1
|
1
|
K004
|
75
|
1.5
|
0.75
|
1
|
1
|
1
|
K005
|
75
|
1.5
|
0.75
|
1
|
1
|
1
|
Jumlah Tiap Kolom
|
7.5
|
3.75
|
5
|
5
|
5
|
|
- Berdasarkan
table 3.7 maka nilai tiap elemen kriteria dibagi dengan nilai tiap
kolom, maka dapat dihitung matrik normalisasi dengan cara membagi setiap
elemen pada kolom dengan jumlah perkolom yang sesuai, hasil normalisasi
matrik dapat dilihat pada table dibawah ini :
Tabel 3.8 Hasil matrik
normalisasi kriteria
GOAL
|
K001
|
K002
|
K003
|
K004
|
K005
|
|
50
|
100
|
75
|
75
|
75
|
||
K001
|
50
|
0.133
|
0.133
|
0.134
|
0.134
|
0.134
|
K002
|
100
|
0.266
|
0.26
|
0.266
|
0.266
|
0.266
|
K003
|
75
|
0.2
|
0.2
|
0.2
|
0.2
|
0.2
|
K004
|
75
|
0.2
|
0.2
|
0.2
|
0.2
|
0.2
|
K005
|
75
|
0.2
|
0.2
|
0.2
|
0.2
|
0.2
|
- Setelah
matrik normalisasi didapatkan, langkah selanjutnya menjumlahkan tiap baris
pada matrik tersebut. Jumlah masing-masing baris pada tabel 3.8 dapat
dilihat pada table 3.9.
Tabel 3.9 Nilai Bobot
Kriteria
GOAL
|
K001
|
K002
|
K003
|
K004
|
K005
|
Eigen Value
|
|
50
|
100
|
75
|
75
|
75
|
|||
K001
|
50
|
0.13
|
0.13
|
0.13
|
0.13
|
0.13
|
0.67
|
K002
|
100
|
0.27
|
0.27
|
0.27
|
0.27
|
0.27
|
1.33
|
K003
|
75
|
0.20
|
0.20
|
0.20
|
0.20
|
0.20
|
1.00
|
K004
|
75
|
0.20
|
0.20
|
0.20
|
0.20
|
0.20
|
1.00
|
K005
|
75
|
0.20
|
0.20
|
0.20
|
0.20
|
0.20
|
1.00
|
- Berdasarkan
tabel 3.9 maka akan dihitung nilai Eigen Value maka
dapat dihitung bobot prioritas dengan cara nilai Eigen Value
masing-masing baris dibagi dengan jumlah kriteria (n=5), sehingga
nilai prioritas masing-masing kriteria dapat dihitung sebagai berikut :
Tabel 3.10 Bobot
Prioritas
Kriteria
|
Bobot Prioritas
|
Bobot Sintesa
|
K001
|
0.65
|
0.13
|
K002
|
1.35
|
0.27
|
K003
|
1.00
|
0.20
|
K004
|
1.00
|
0.20
|
K005
|
1.00
|
0.20
|
- Menguji
konsintensi dengan cara menghitung (lmaks)yaitu mengalikan matrik
perbandingan berpasangan dengan bobot prioritas kriteria, setelah itu
menghitung nilai lamda maksimum dengan rumus persamaan.
(lmaks) =Bobot Sintesa * Bobot Prioritas
Tabel 3.11 Nilai
Maksimum (lmaks)
Kriteria
|
Bobot Prioritas
|
Bobot Sintesa
|
Jumlah
|
K001
|
0.65
|
0.13
|
0.0845
|
K002
|
1.35
|
0.27
|
0.3645
|
K003
|
1.00
|
0.20
|
0.2
|
K004
|
1.00
|
0.20
|
0.2
|
K005
|
1.00
|
0.20
|
0.2
|
1.49
|
|||
Berdasarkan perhitungan diatas maka diperoleh (lmaks= 1.049)
- Menghitung
indexs konsistensi (consistency index) : untuk menghitung indexs
konsistensi (consistency index) dengan memakai rumus :
CI = (lmaks- n)/n - 1
CI = (lmaks– n)/n -1 = (1,049 – 5)/5 – 1 = - 3,951/4 = - 0,98775
- Menghitung
rasio konsistensi dengan rumus : CR = CI/IR, dengan IR adalah inde random
dengan nilai 1,12 karena pada kasus ini mempunyai ukuran matriks 5,
sehingga nilai darai CR dapat di hitung dengan cara sebagai berikut:
CR = CI/IR = -
0,98775/1,12 = -0,881
Karena Nilai ratio
konsistensi -0,881≤ 0,1 maka matrik diatas konsisten
2. Analisa Metode SAW
Berdasarkan perhitungan Metode Analitical Hierarchy Process (AHP)
nilai kriteria yang didapat akan dipadukan dengan perhitungan metode Simple
Additive Weighting (SAW), Data contoh kasus dapat dilihat pada tabel
3.6.
Tabel 3.6 Contoh Kasus
No
|
Alternatif/
Kriteria
|
K001
|
K002
|
K003
|
K004
|
K005
|
1
|
170001
|
0.5
|
0.5
|
1
|
0.75
|
0.75
|
2
|
170002
|
0.25
|
0.25
|
1
|
1
|
1
|
3
|
170003
|
0.75
|
0.5
|
0.75
|
0.75
|
0.5
|
Berdasarkan tabel 3.9 diubah kedalam matrik keputusan X yaitu sebagai berikut:
0.5
|
0.
5
|
1
|
0.75
|
0.75
|
||
X =
|
0.25
|
0.25
|
1
|
1
|
1
|
|
0.75
|
0.5
|
0.75
|
0.75
|
0.75
|
1. Memberikan nilai bobot (W)
Nilai bobot (W) diberikan sebagai berikut:
C1
C2 C3 C4 C5
W =
[ 0.13, 0.27, 0.2, 0.2,
0.2]
2. Menormalisasi matriks X menjadi matriks R
berdasarkan persamaan 3.1.
Jika j adalah atribut keuntungan (benefit)
|
Jika j adalah atribut biaya (Cost)
|
rij=
…….. (3.1)
Keterangan :
rij =
nilai rating kinerja ternormalisasi
xij = nilai
atribut yang dimiliki dari setiap kriteria
Max xij = nilai terbesar dari setiap
kriteriai
Min xij = nilai terkecil dari
setiap kriteria i
benefit = jika nilai terbesar
adalah terbaik
cost = jika nilai
terkecil adalah terbaik
Berdasarkan persamaan diatas maka, proses perhitungan matrix X ke matrix R
adalah sebagai berikut:
1. Kriteria Usia (C1), Cost
R11=
|
0.5
|
0.25
|
0.75
|
=
|
0.5
|
=
|
2
|
0.25
|
0.25
|
||||||
R12=
|
0.5
|
0.25
|
0.75
|
=
|
0.25
|
=
|
1
|
0.25
|
0.25
|
||||||
R13=
|
0.5
|
0.25
|
0.75
|
=
|
0.75
|
=
|
3
|
0.25
|
0.25
|
||||||
2. Kriteria Kelengkapan Berkas
(C2), Benefit
R21=
|
0.5
|
0.25
|
0.5
|
=
|
0.5
|
=
|
1
|
0.5
|
0.5
|
||||||
R22=
|
0.5
|
0.25
|
0.5
|
=
|
0.25
|
=
|
0.5
|
0.5
|
0.5
|
||||||
R23=
|
0.5
|
0.25
|
0.5
|
=
|
0.5
|
=
|
1
|
0.5
|
0.5
|
||||||
3. Kriteria Pendidikan
(C3), Benefit
R31=
|
1
|
1
|
0.75
|
=
|
1
|
=
|
1
|
1
|
1
|
||||||
R32=
|
1
|
1
|
0.75
|
=
|
1
|
=
|
1
|
1
|
1
|
||||||
R33=
|
1
|
1
|
0.75
|
=
|
0.75
|
=
|
0.75
|
1
|
1
|
||||||
4. Kriteria IPK (C4), Benefit
R41=
|
0.75
|
1
|
0.75
|
=
|
0.75
|
=
|
0.75
|
1
|
1
|
||||||
R42=
|
0.75
|
1
|
0.75
|
=
|
1
|
=
|
1
|
1
|
1
|
||||||
R43=
|
0.75
|
1
|
0.75
|
=
|
0.75
|
=
|
0.75
|
1
|
1
|
||||||
5. Pengalaman (C5), Benefit
R51=
|
0.75
|
1
|
0.75
|
=
|
0.75
|
=
|
0.75
|
1
|
1
|
||||||
R52=
|
0.75
|
1
|
0.75
|
=
|
1
|
=
|
1
|
1
|
1
|
||||||
R53=
|
0.75
|
1
|
0.75
|
=
|
0.75
|
=
|
0.75
|
1
|
1
|
||||||
Berdasarkan hasil normalisasi matrik maka
diperoleh:
2
|
1
|
1
|
0.75
|
0.75
|
||
R =
|
1
|
0.5
|
1
|
1
|
1
|
|
3
|
1
|
0.75
|
0.75
|
0.75
|
3. Melakukan proses perangkingan dengan
menggunakan persamaan (3.2):
n
Vi = ∑ wj rij ……………………………………………
(3.2)
J=1
|
Keterangan :
Vi = rangking untuk
setiap alternatif
wj = nilai bobot dari
setiap kriteria
rij = nilai rating
kinerja ternormalisasi
Jadi :
V1 = (2)(0.13) +
(1)(0.27) + (1)(0.2)+(0.75)(0.2)+(0.75)(0.2)
= 0.26 + 0.27 + 0.2 +
0.15 + 0.15
= 0.865
V2 = (1)(0.13) +
(0.5)(0.27) + (1)(0.2)+(1)(0.2)+(1)(0.2)
= 0.13 + 0.35 + 0.2 +
0.2 + 0.2
= 1.03
V3 = (3)(0.13) +
(1)(0.27) + (0.75)(0.2)+(0.75)(0.2)+(0.75)(0.2)
= 0.9 + 0.27 + 0.15 +
0.15 + 0.1
= 1.06
Berdasarkan hasil perhitungan metode
Metode Simple Additive Weighting (SAW), maka dapat diketahui V3
yang memiliki nilai tertinggi. Untuk lebih jelas dapat dilihat pada tabel
dibawah ini:
Tabel 3.13 Hasil Akhir
No
|
Alternatif
|
K1
|
K2
|
K3
|
K4
|
K5
|
HA
|
1
|
A1
|
0.26
|
0.27
|
0.2
|
0.15
|
0.15
|
1.03
|
2
|
A2
|
0.13
|
0.135
|
0.2
|
0.2
|
0.2
|
0.865
|
3
|
A3
|
0.39
|
0.27
|
0.15
|
0.15
|
0.1
|
1.06
|
No comments:
Post a Comment