Sity, Sistem Pendukung Keputusan Pemilihan…1
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN DATABASE MENGGUNAKAN
METODE ANALYTICAL HIERARCHY PROCESS (AHP)
Sity Aisyah1, Nawang Kalbuana
2
1,2
AMIK Raharja Informatika, Jl. Jend Sudirman no.40 Cikokol-Tangerang
Email : [email protected], [email protected]
ABSTRACT
With the increasing number of students at some colleges, it would require the
existence of an Academic Information Systems that can meet the information needs of
academic community such as faculty, students and university management itself. In
building the system needed a database as a data storage medium. There are several
factors that a criterion in determining the best database that will be used in a college.
One method of decision-making system in determining issues involving multi-criteria
method is the Analytical Hierarchy Process (AHP). This research aims to build a
decision support system that has the ability to analyze the selection of a database by
using the method of Analytical Hierarchy Process (AHP), the factors used is by
comparing one database software from one to another with a certain selection criteria
so as to provide the output value priority intensity that produces an assessment of
each database system. This decision support system helps to assess any database
software, make changes and changes in the weights of criteria so it is useful to
facilitate decision making related to the problem of database selection is best. Overall,
the Oracle database (0.699) has a value which compares favorably with MySQL
(0.170) and SQL Server (.131), but unfortunately the price Oracle has a value far
higher value than other databases 0.662.
Keyword : Decision Support System, AHP, DatabaseSelection
ABSTRAK
Dengan semakin meningkatnya jumlah mahasiswa pada suatu perguruan tinggi, maka
diperlukan adanya suatu Sistem Informasi Akademik yang dapat memenuhi kebutuhan
informasi bagi civitas akademik seperti dosen, mahasiswa dan manajemen perguruan
tinggi itu sendiri. Dalam membangun sistem dibutuhkan suatu database sebagai media
penyimpanan data. Terdapat beberapa faktor yang menjadi kriteria dalam menentukan
database terbaik yang akan dipakai di suatu perguruan tinggi. Salah satu metode sistem
pengambilan keputusan dalam menentukan persoalan yang melibatkan multi kriteria
adalah dengan metode Analytical Hierarchy Process (AHP).Penelitian ini bertujuan
untuk membangun sebuah sistem pendukung keputusan yang mempunyai kemampuan
analisa pemilihan database dengan menggunakan metode Analytical Hierarchy Process
(AHP), faktor-faktor yang digunakan adalah dengan membandingkan satu perangkat
lunak database yang satu dengan yang lainnya dengan kriteria pemilihan tertentu
sehingga memberikan output nilai intensitas prioritas yang menghasilkan suatu sistem
penilaian terhadap setiap database.Sistem pendukung keputusan ini membantu
melakukan penilaian setiap perangkat lunak database, melakukan perubahan kriteria
dan perubahan nilai bobot sehingga sangat berguna untuk memudahkan pengambilan
keputusan yang terkait dengan masalah pemilihan database yang terbaik.Secara
keseluruhan database Oracle (0,699) mempunyai nilai yang lebih baik dibandingkan
dengan MySQL (0,170) maupun SQL Server (0,131), namun sayangnya harga Oracle
mempunyai nilai yang jauh lebih tinggi nilainya dibandingkan database lain 0,662.
Kata kunci :Sistem pendukung keputusan, AHP, Pemilihan Database.
2. CSRID Journal, Vol.4 No.1 Februari 2012, Hal. 1 - 14
PENDAHULUAN
Perkembangan suatu perguruan tinggi sangat dipengaruhi oleh jumlah mahasiswa yang masuk.
Dengan bertambahnya jumlah mahasiswa maka diperlukan suatu sistem informasi yang ditujukan
untuk dapat memberikan pelayanan kepada mahasiswa berupa informasi-informasi yang
dibutuhkan oleh mahasiswa dengan cepat, tepat dan akurat. Adapun informasi-informasi yang
dibutuhkan oleh mahasiswa antara lain seperti informasi jadwal perkuliahan, jadwal ujian,
informasi pembayaran, dan lain-lain. Untuk membangun suatu sistem informasi akademik yang
dapat memberikan semua informasi itu diperlukan suatu database , oleh karenanya sebelum sistem
itu dibangun manajemen perguruan tinggi dalam hal ini diwakili oleh divisi IT (information
technology) sebelum memutuskan perangkat lunak database apa yang akan dipakai nantinya
menentukan beberapa kriteria-kriteria dalam memutuskan database yang terbaik yang akan dipakai
untuk membangun sistem informasi akademik.Oleh sebab itu penulis menggunakan perangkat
lunak Criterium DecisionPlus(R)3.0Student Versionuntuk membantu manajemen dalam membuat
keputusan untuk pemilihan database dengan mengunakan metode AHP atau Analytical Hierarchy
Process.
KAJIAN MATERI
AHP (ANALYTICAL HIERARCHY PROCESS)
Analytical Hierarchy Process (AHP) dikembangkan oleh Thomas L. Saaty pada tahun
1970-an. Metode ini merupakan salah satu model pengambilan keputusan multikriteria yang
dapat membantu kerangka berpikir manusia dimana faktor logika, pengalaman pengetahuan,
emosi dan rasa dioptimasikan ke dalam suatu proses sistematis. Pada dasarnya, AHP
merupakan metode yang digunakan untuk memecahkan masalah yang kompleks dan tidak
terstruktur ke dalam kelompok-kelompoknya, dengan mengatur kelompok tersebut ke dalam
suatu hierarki, kemudian memasukkan nilai numerik sebagai pengganti persepsi manusia dalam
melakukan perbandingan relatif. Dengan suatu sintesa maka akan dapat ditentukan elemen mana
yang mempunyai prioritas tertinggi.
Pemilihan database yang dilakukan dengan memperhatikan kriteria-kriteria yang ada akan
memiliki kompleksitas tersendiri apabila data yang diperoleh yang dijadikan input utama masih
kualitatif. Menurut Yahya (Suryadi dan Ramdhani,2002,h.131) adakalanya timbul masalah
keputusan yang dirasakan dan diamati perlu diambil secepatnya, tetapi variasinya rumit sehingga
datanya tidak mungkin dicatat secara numerik, hanya secara kualitatif saja yang diukur, yaitu
berdasarkan persepsi pengalaman dan intuisi. Namun, tidak menutup kemungkinan, bahwa model-
model lainnya ikut dipertimbangkan pada saat proses pengambilan keputusan dengan pendekatan
AHP, khususnya dalam memahami para pengambil keputusan individual pada saat proses
penerapan pendekatan ini.
Menurut Suryadi dan Ramdhani (2002,h.131) kelebihan AHP dibanding metode lain,
diantaranya sebagai berikut.
1. Struktur yang berhirarki, sebagai konsekuensi dari kriteria yang dipilih, sampai pada subkriteria
yang paling dalam.
Kriteria menjadi level kedua setelah sasaran (goal), yakni pemilihan database. Penentuan
kriteria dilakukan berdasarkan keputusan pimpinan atas masukan dari kepala divisi IT.
2. Memperhitungkan validitas sampai dengan batas toleransi inkonsistensi berbagai kriteria dan
alternatif yang dipilih oleh para pengambil keputusan. Konsistensi setiap level diperiksa, baik
level kriteria (kriteria pemilihan) maupun level alternatif (perangkat lunak database).
3. Memperhitungkan daya tahan atau ketahanan output analisis sensitivitas pengambilan
keputusan.
Selain itu, AHP mempunyai kemampuan untuk memecahkan masalah yang multiobjektif dan
multikriteria yang berdasar pada perbandingan preferensi dari setiap elemen dalam hirarki. Jadi,
model ini merupakan suatu model pengambilan keputusan yang komprehensif.
Menurut Suryadi dan Ramdhani (2002,h.131-132) pada dasarnya langkah-langkah dalam
metode AHP , adalah sebagai berikut :
Sity, Sistem Pendukung Keputusan Pemilihan…3
1. Mendefinisikan masalah dan menentukan solusi yang diinginkan. Masalah yang akan dibahas
yaitu, proses pemilihan database dengan multikriteria. Solusi yang diharapkan yaitu
mendapatkan alternatif-alternatif perangkat lunak database yang akan digunakan.
2. Membuat struktur hirarki yang diawali dengan tujuan umum, kriteria/komponen yang dinilai
dan alternatif-alternatif pada tingkatan yang paling bawah.
Tujuan Umum(goal)
Kriteria 2 Kriteria 3Kriteria 1 Kriteria 4
Alternatif 1 Alternatif 2 Alternatif 3
Gambar 1. Struktur Hirarki dalam AHP
3. Membuat matriks perbandingan berpasangan yang menggambarkan kontribusi relatif atau
pengaruh setiap elemen terhadap masing-masing tujuan dan kriteria yang setingkat di atasnya.
Perbandingan dilakukan berdasarkan “judgement” dari pengambil keputusan dengan menilai
tingkat kepentingan suatu elemen dibanding elemen lainnya.
Tabel 1. Matriks Perbandingan Berpasangan
Kriteria 1 Kriteria 1 Kriteria 1 Kriteria 1
Kriteria 1 k11 k12 k13 k14
Kriteria 1 k21 k22 k23 k24
Kriteria 1 k31 k32 k33 k34
Kriteria 1 k41 k42 k43 k44
4. Melakukan perbandingan berpasangan sehingga diperoleh judgement seluruhnya sebanyak n ×
[ (n-1) /2] buah, dengan n adalah banyaknya elemen yang dibandingkan.
5. Apabila terdapat 5 kriteria yang diperbandingkan maka kita harus melakukan judgement
perbandingan berpasangan sebanyak 10 kali.
6. Menghitung nilai eigen dan menguji konsistensinya, jika tidak konsisten maka pengambilan
data diulang.
7. Mengulangi langkah 3,4, dan 5 untuk seluruh tingkat hirarki.
8. Menghitung vector eigen dari setiap matriks perbandingan berpasangan. Nilai vector eigen
merupakan bobot setiap elemen. Langkah ini untuk mensintensis judgement dalam penentuan
prioritas elemen-elemen pada tingkat hirarki terendah sampai pencapaian tujuan.
9. Memeriksa konsistensi hirarki. Jika nilai lebih dari 10 persen maka penilaian data judgement
harus diperbaiki.
Secara umum perhitungan AHP dilakukan sebagai berikut :
4. CSRID Journal, Vol.4 No.1 Februari 2012, Hal. 1 - 14
Menentukan Hirarki (Tujuan, Kriteria, dan Alternatif)
Melakukan perhitungan bobot prioritas kriteria (menghitung matriks
berpasangan dan nilai eigen)
Melakukan perhitungan bobot prioritas alternatif (menghitung
matriks berpasangan dan nilai eigen)
Memeriksa Konsistensi Hirarki
Penghitungan dengan AHP selesai
CR <= 0,1
Tidak
Penilaian Ulang
Gambar 2. Langkah Perhitungan dalam AHP
Penyusunan Hirarki
Menurut Tintri (2004,h.3) hirarki adalah abstraksi struktur suatu sistem yang
mempelajari fungsi interaksi antara komponen dan juga dampak-dampaknya pada sistem.
Penyusunan hirarki atau struktur keputusan dilakukan untuk menggambarkan elemen sistem
atau alternatif keputusan yang teridentifikasi.
Penentuan Prioritas
Menurut Tintri (2004,h.5) untuk setiap kriteria dan alternatif, kita harus melakukan
perbandingan berpasangan (pairwise comparison) yaitu membandingkan setiap elemen
dengan elemen lainnya pada setiap tingkat hirarki secara berpasangan sehingga didapat nilai
tingkat kepentingan elemen dalam bentuk pendapat kualitatif.
Menurut Suryadi dan Ramdhani (2002,h.132-133) secara naluri, manusia dapat
mengestimasi besaran sederhana melalui inderanya. Proses yang paling mudah adalah
membandingkan dua hal dengan keakuratan perbandingan tersebut dapat dipertanggung
jawabkan. Untuk itu Saaty (1980) menetapkan skala kuantitatif 1 sampai dengan 9 untuk
menilai perbandingan tingkat kepentingan suatu elemen terhadap elemen lain.
Tabel 2. Skala Penilaian Perbandingan Berpasangan
Nilai Perbandingan Definisi
(A dibandingkan B)
1 A sama penting dengan B
3 A sedikit lebih penting dari B
1/3 Kebalikannya (B sedikit lebih penting dari A)
5 A jelas lebih penting dari B
1/5 Kebalikannya (B jelas lebih penting dari A)
Sity, Sistem Pendukung Keputusan Pemilihan…5
7 A sangat jelas lebih penting dari pada B
1/7 Kebalikannya (B sangat jelas lebih penting dari pada A)
9 A mutlak lebih penting dari pada B
1/9 Kebalikannya (B mutlak lebih penting dari pada A)
2,4,6,8 atau Diberikan apabila terdapat sedikit perbedaan dengan patokan
1/2, 1/4, 1/6, 1/8 diatas
PEMBAHASAN
Dalam bagian ini akan disajikan perhitungan mulai dari pembobotan kriteria, penyelesaian
dengan manipulasi matrik, pembobotan alternatif, consistency ratio dan juga pemilihan alternatif
menggunakan software criterium decisionplus. Adapun data yang diperoleh penulis berdasarkan
hasil pengisian kuisioner oleh responden.Dan dalam melakukan penelitian, penulis melakukan
beberapa tahap seperti yang terlihat dalam gambar di bawah ini :
Studi LiteraturPenentuan lokasi dan variabel penelitianMenentukan kebutuhan data yang akan digunakanPengumpulan data yang dibutuhkan
Kuisioner Data Penelitian
Kriteria pemilihan yang digunakan
Pengelolaan alternatif yang
digunakan
Alternatif-alternatif database
Pengolahan data dengan AHP
ManualPerangkat lunak/Aplikasi Criterium
DecisionPlus
Gambar 3. Desain Penelitian Pemilihan Perangkat Lunak Database
Hirarki Dari Komponen Keputusan
Pemilihan Database
Kapasitas HargaKecepatan Akses Data
SQL Server MySQL Oracle
SQL Server MySQL Oracle
SQL Server MySQL Oracle
Gambar 4. Hubungan Sasaran, Kriteria, dan Alternatif dalam AHP
6. CSRID Journal, Vol.4 No.1 Februari 2012, Hal. 1 - 14
Pembobotan Kriteria
Tabel 3. Skala Penilaian Perbandingan Berpasangan Kecepatan Akses Data Kapasitas Harga
Kecepatan Akses Data 1/1 1/4 3/1
Kapasitas 4/1 1/1 1/2
Harga 1/3 2/1 1/1
Penyelesaian Dengan Manipulasi Matrik
o Ubah matrik menjadi bilangan desimal
o Iterasi I
Kuadratkan matrik di atas :
x =
Jumlahkan nilai setiap baris dan hitung nilai normalisasinya : Jumlah
Baris
Hasil Normalisasi
15,6250
24,1667
15,7499
15,6250 ÷ 55,5416 = 0,2813
24,1667 ÷ 55,5416 = 0,4351
15,7499 ÷ 55,5416 = 0,2836
Jumlah 55,5416 1,0000
o Iterasi II
Kuadratkan matrik di atas :
x =
Jumlahkan nilai setiap baris dan hitung nilai normalisasinya :
Jumlah
Baris
Hasil Normalisasi
300,4267
404, 8535
281,3452
300,4267 : 986,6254 = 0,3045
404, 8535 : 986,6254 = 0,4103
281,3452 : 986,6254 = 0,2852
Jumlah 986,6254 1,0000
Hitung Perbedaan nilai eigen sebelum dan sesudah nilai eigen sekarang : 0,2813 – 0.3045 = -0.0232
0,4351 – 0.4103 = 0.0248
0,2836 – 0.2852 = -0.0016
o Iterasi III
Kuadratkan matrik di atas :
x
Jumlahkan nilai setiap baris dan hitung nilai normalisasinya : Jumlah Baris Hasil Normalisasi
94.626,9472
131.212,4256
90.767,1760
94.626,9472 : 316.606,5489= 0,2989
131.212,4256 : 316.606,5489= 0,4144
90.767,1760 : 316.606,5489 = 0,2867
Jumlah 316.606,5489 1,0000
Sity, Sistem Pendukung Keputusan Pemilihan…7
Hitung Perbedaan nilai eigen sebelum dan sesudah nilai eigen sekarang : 0,3045 – 0,2989 = 0.0056
0,4103 – 0,4144 = -0.0041
0,2852 – 0,2867 = -0.0015
Jadi nilai eigen yang diperoleh adalah : 0,2989, 0,4144, 0,2867.
Tabel 4. Matrik Berpasangan beserta dengan Nilai Eigen
Kecepatan Akses Data Kapasitas Harga Nilai Eigen
Kecepatan Akses Data 1,0000 0,2500 3,0000 0,2989
Kapasitas 4,0000 1,0000 0,5000 0,4144
Harga 0,3333 2,0000 1,0000 0,2867
Berdasarkan nilai eigen, maka diketahui bahwa kriteria yang paling penting adalah
kapasitas, kecepatan akses, dan terakhir harga. Hasil diagram hierarki beserta dengan
nilai bobot kriteria yang telah diperoleh dapat dilihat pada gambar di bawah ini.
Pemilihan Database1,00
Kapasitas0,4144
Harga0,2867
Kecepatan Akses Data0,2989
SQL Server MySQL Oracle
SQL Server MySQL Oracle
SQL Server MySQL Oracle
Sasaran
Kriteria
Gambar 5. Hasil Perhitungan Bobot Kriteria
Pembobotan Alternatif
Matrik berpasangan untuk alternatif-alternatif bagi setiap kriteria, Pembobotan kriteria
Kecepatan Akses Data adalah :
SQL Server MySQL Oracle
SQL Server 1/1 1/2 1/3
MySQL 2/1 1/1 1/3
Oracle 3/1 3/1 1/1
Pembobotan kriteria Kapasitas adalah :
SQL Server MySQL Oracle
SQL Server 1/1 1/2 1/5
MySQL 2/1 1/1 1/5
Oracle 5/1 5/1 1/1
Pembobotan kriteria Harga adalah :
SQL Server MySQL Oracle
SQL Server 1/1 2/1 1/7
MySQL 1/2 1/1 1/9
Oracle 7/1 9/1 1/1
Penyelesaian dengan manipulasi matrik
Untuk menghitung nilai eigen dari masing-masing kriteria yaitu kecepatan akses data,
kapasitas, dan harga menggunakan cara yang sama seperti di atas.
8. CSRID Journal, Vol.4 No.1 Februari 2012, Hal. 1 - 14
A. Kriteria : Kecepatan Akses Data
o Matrik
o Nilai Eigen Jumlah Baris Hasil Normalisasi
54,9167
87,1667
207,5000
54,9167÷349,5834 = 0,1571
87,1667 ÷349,5834 = 0,2493
207,5000 ÷349,5834 = 0,5936
Jumlah 349,5834 1,0000
B. Kriteria : Kapasitas
o Matrik
o Nilai Eigen
Jumlah
Baris
Hasil Normalisasi
51,8500
82,3000
326,5000
51,8500 ÷460,6500 = 0,1126
82,3000 ÷460,6500 = 0,1787
326,5000÷460,6500 = 0,7088
Jumlah 460,6500 1,0000
C. Kriteria : Harga
o Matrik
o Nilai Eigen
Jumlah
Baris
Hasil Normalisasi
80,3617
46,5578
485,4683
80,3617 ÷612,3878 = 0,1312
46,5578 ÷612,3878 = 0,0760
485,4683÷612,3878 = 0,7927
Jumlah 612,3878 1,0000
Dengan menghitung nilai eigen dari ketiga kriteria di atas maka diperoleh :
Ranking Alternatif Nilai Eigen
Kecepatan Akses Data
3 SQL Server 0,1571
2 MySQL 0,2493
1 Oracle 0,5936
Ranking Alternatif Nilai Eigen
Kapasitas
3 SQL Server 0,1126
2 MySQL 0,1787
1 Oracle 0,7088
Ranking Alternatif Nilai Eigen
Harga
2 SQL Server 0,1312
3 MySQL 0,0760
1 Oracle 0,7927
Sity, Sistem Pendukung Keputusan Pemilihan…9
Pemilihan Database1,00
Kapasitas0,4144
Harga0,2867
Kecepatan Akses Data0,2989
SQL Server (0,1571) MySQL (0,2493) Oracle (0,5936)
SQL Server (0,1126) MySQL (0,1787) Oracle (0,7088)
SQL Server (0,1312) MySQL (0,0760) Oracle (0,7927)
Gambar 6. Hasil Akhir Seluruh Bobot
Dari hasil analisis di atas, maka jawaban dapat diperoleh dengan jalan mengalikan matrik
nilai eigen dari alternatif dengan matrik bobot kriteria :
Tabel 5. Hasil Akhir Penghitungan Bobot Kriteria
Alternatif Kecepatan Akses Data Kapasitas Harga Bobot Kriteria
SQL Server 0,1571 0,1126 0,1312 0,2989
MySQL 0,2493 0,1787 0,0760 0,4144
Oracle 0,5936 0,7088 0,7927 0,2867
Hasilnya : Jadi ranking yang diperoleh :
SQL Server : 0,1312 1.Oracle : 0,6984
MySQL : 0,1704 2. MySQL : 0,1704
Oracle : 0,6984 3. SQL Server : 0,1312
Consistency Ratio (CR)
Consistency Ratio merupakan parameter yang digunakan untuk memeriksa apakah
perbandingan berpasangan telah dilakukan dengan konsekwen atau tidak.
CR = CI ÷ RI
Nilai RI merupakan nilai random indeks yang dikeluarkan oleh Oarkridge Laboratory yang
berupa tabel berikut ini :
N 1 2 3 4 5 6 7 8 9 10 11 12 13
RI 0,00 0,00 0,58 0,90 1,12 1,24 1,32 1,41 1,45 1,49 1,51 1,48 1,56 CR <= 0.1 : Konsisten
0.1 < CR <= 0.15 : Agak Konsisten
CR > 0.15 : Tidak Konsisten
A. Kriteria : Kecepatan Akses Data
Pembobotan alternatif
Kecepatan Akses Data SQL Server MySQL Oracle
SQL Server 1/1 1/2 1/3
MySQL 2/1 1/1 1/3
Oracle 3/1 3/1 1/1
Dari nilai faktor (nilai eigen) kriteria kecepatan akses data adalah :
o SQL Server : 0,1571
o MySQL : 0,2493
o Oracle : 0,5936
10. CSRID Journal, Vol.4 No.1 Februari 2012, Hal. 1 - 14
Weight Sum Vektor dapat dihitung dengan jalan mengalikan ke dua matriks tersebut :
1/1 1/2 1/3
*
0,1571
=
0,4796
2/1 1/1 1/3 0,2493 0,7614
3/1 3/1 1/1 0,5936 1,8128
Kemudian dihitung Consistency Vektordengan jalan menentukan nilai rata-rata dari
Weight Sum Vektor. 0,4796 ÷ 0,1571 = 3,0529
0,7614 ÷ 0,2493 = 3,0540
1,8128 ÷ 0,5936 = 3,0539
Nilai rata-rata dari Consistency Vektor adalah :
= 3,0536
Nilai Consistency Index adalah :
n : banyaknya alternatif
Nilai Consistency Ratio adalah :
CR = CI ÷ RI (Untuk n=3, nilai RI adalah 0,58)
CR = 0,0268 ÷ 0,58
= 0,0462
Karena nilai CR adalah 0,0462, sehingga penilaian perbandingan pemilihan database
berdasarkan kriteria kecepatan akses data sudah konsisten dan tidak memerlukan revisi
penilaian.
B. Kriteria : Kapasitas
Pembobotan alternatif
SQL Server MySQL Oracle
SQL Server 1/1 1/2 1/5
MySQL 2/1 1/1 1/5
Oracle 5/1 5/1 1/1
Dari nilai faktor (nilai eigen) kriteria kapasitas adalah :
o SQL Server : 0,1126
o MySQL : 0,1787
o Oracle : 0,7088
Dengan cara perhitungan yang sama seperti di atas, maka hasil nilai Consistency Ratio
adalah :
CR = CI ÷ RI (Untuk N=3, nilai RI adalah 0,58)
CR = 0,0268 ÷ 0,58
= 0,0462
Karena nilai CR adalah 0,0462, sehingga penilaian perbandingan database berdasarkan
kriteria kapasitas sudah konsisten dan tidak memerlukan revisi penilaian.
C. Kriteria : Harga
Pembobotan alternatif
SQL Server MySQL Oracle
SQL Server 1/1 2/1 1/7
MySQL 1/2 1/1 1/9
Oracle 7/1 9/1 1/1
Sity, Sistem Pendukung Keputusan Pemilihan…11
Dari nilai faktor (nilai eigen) kriteria harga adalah :
o SQL Server : 0,1312
o MySQL : 0,0760
o Oracle : 0,7927
Dengan cara perhitungan yang sama seperti di atas, maka hasil nilai Consistency
Ratio adalah : CR = CI ÷ RI (Untuk N=3, nilai RI adalah 0,58)
CR = 0,0109 ÷ 0,58
= 0,0187
Karena nilai CR adalah 0,0187, sehingga penilaian perbandingan database berdasarkan
kriteria harga sudah konsisten dan tidak memerlukan revisi penilaian.
PENYELESAIAN AHP DENGAN CRITERIUM DECISION PLUS
Berikut akan diuraikan contoh penyelesaian AHP dengan Criterium Decision Plus pada
pemilihan database yang hierarkinya ditunjukkan pada gambar 1.4. Langkah-langkah perhitungan AHP pada Criterium Decision Plusadalah sebagai berikut :
1. Jalankan program Criterium Decision Plus dengan perintah : start/Program/Criterium
Decision Plus, lalu double klik Criterium Decision Plus.
2. Buat file brainstrorming, dengan perintah File/New, lalu buat struktur masalah seperti pada
gambar 3.6. Setelah selesai, simpan dengan peruntah File/Save As dan beri nama
database.bst
Gambar 7. Hasil Brainstorming
3. Buat struktur hierarki dengan perintah Model Generate Hierarchy. Lalu berikan nama
model yang akan anda buat, misalnya database, seperti yang terlihat pada gambar 8.
Gambar 8. Pemberian nama model
12. CSRID Journal, Vol.4 No.1 Februari 2012, Hal. 1 - 14
4. Setelah itu akan keluar struktur hierarkinya seperti terlihat pada gambar 9.
Gambar 9. Struktur Hierarki
5. Tentukan model AHP dengan perintah Model Technique – Alternatives AHP.
6. Lakukan penilaian terhadap kriteria dengan perintah :
a) Klik kotak Pemilihan Database.
b) Lakukan perintah : Block Rate Subcriteria.
c) Penilaian kriteria dengan jalan :
- Lakukan perintah : Methods / Full Pairwise
- Isikan nilai seperti yang terlihat pada gambar 10
Gambar 10. Hasil Pengisian Nilai Kriteria
d) Lakukan penilaian perbandingan antara tiga alternatif untuk setiap kriteria yang
tersedia.
7. Untuk melihat hasil akhir, gunakan perintah Result Decision Scores. Grafik hasilnya
terlihat pada gambar 11
Gambar 11. Grafik Hasil Pengolahan Akhir AHP
Sity, Sistem Pendukung Keputusan Pemilihan…13
8. Untuk melihat hasil akhir dalam bentuk tabel gunakan perintah View Result Data.
Hasilnya seperti pada gambar 12
Gambar 12. Tampilan Data
Hasil pengujian akhir terhadap tiga DBMS yang diuji (Oracle, mySQL, SQL Server)adalah
dalam hal Kecepatan Akses Data maupun harga Oracle mempunyai nilai yang lebih tinggi
dibandingkan dengan database mySQL maupun SQL Server. Namun dalam hal kapasitas
Oracle masih lebih rendah 0,219 dibandingkan MySQL. Hasil akhir atas tiga DBMS
diperoleh peringkat pertama Oracle (0,519) kemudian MySQL (0,343) dan SQL Server
(0.138).
SIMPULAN
Metode AHP merupakan metode yang dapat digunakan untuk proses pemilihan database,
karena metode ini dapat memberikan solusi pemilihan database selama langkah-langkah
penggunaannya terpenuhi. Langkah paling penting adalah pembobotan atau pembuatan matriks
berpasangan, karena ketepatan pembuatan matriks berpasangan ini mempengaruhi langkah-langkah
penghitungan AHP selanjutnya.Dari hasil uji coba dan pengujian yang telah dilakukan dengan
menggunakan software criterium decisionplusmaka dapat diambil kesimpulan :
- Dalam hal kecepatan akses data Oracle mempunyai nilai lebih tinggi (0,594) dibandingkan
MySQL (0,249) maupun SQL Server (0,157), namun dalam hal Kapasitas MySQL (0,595)
mempunyai nilai lebih tinggi dibandingkan Oracle (0,276) maupun SQL Server (0,128). Secara
keseluruhan database Oracle (0,699) mempunyai nilai yang lebih baik dibandingkan dengan
MySQL (0,170) maupun SQL Server (0,131),namun sayangnya harga Oracle mempunyai nilai
yang jauh lebih tinggi nilainya dibandingkan database lain 0,662.
- Inputan matrik berpasangan yang diberikan oleh user akan sangat berpengaruhterhadap
tingkat dominasi/prioritas dari kriteria yang satu terhadap kriteria yang lain.
- Untuk mendapatkan hasil pengambilan keputusan yang sesuai, seorang yang betul memahami
permasalahan sangat ditekankan, terutama dalam menentukan nilai inputan.
- Semakin tinggi tingkat ketelitian perhitungan yang telah dilakukan, akan semakin baik,
hal- ini dapat dilihat dari hasil perbandingan antara perhitungan manual dengan software
criterium decisionplus.
- Sistem aplikasi pengambilan keputusan ini dapat membantu dalam memutuskan permasalah-
an, yaitu bisa menentukan perangkat lunak database yang akan digunakan dengan kriteria
tertentu.
DAFTAR RUJUKAN
Amborowati, Armadyah. 2007. Sistem Pendukung Keputusan Pemilihan Karyawan Berprestasi
Berdasarkan Kinerja (Studi Kasus Pada STMIK AMIKOM Yogyakarta). Seminar Nasional
Aplikasi Teknologi Informasi 2007 (SNATI 2007).
Kabir, Golam, M. Ahsan Akhtar Hasin. 2011. Evaluation of customer oriented success factors in
mobile commerce using fuzzy AHP. Journal of Industrial Engineering and
Management,Vol. 4 No. 2 pp.361-386.
14. CSRID Journal, Vol.4 No.1 Februari 2012, Hal. 1 - 14
Marimin. 2004. Teknik dan Aplikasi Pengambilan Keputusan Kriteria Majemuk. PT Grasindo,
Jakarta.
Marimin, Maghfiroh, Nurul. 2010. Aplikasi Teknik Pengambilan Keputusan dalam Manajemen
Rantai Pasok. Penerbit IPB Press, Bogor.
Saaty, T.L. 2001. Decision Making For Leaders. Forth edition, University of Pittsburgh, RWS
Publication.
Saaty, T.L. 1988. Multicriteria Decision Making: The Analytic Hierarchy Process. University of
Pittsburgh, RWS Publication, Pittsburgh
Suryadi, Kadarsah, Ali Ramdhani . 2002. Sistem Pendukung Keputusan : Suatu Wacana Struktural
Idealisasi dan Implementasi Konsep Pengambilan Keputusan. Bandung : PT.Remaja
Rosdakarya.
Tintri, Dharma E.Sudarsono. 2004. Penerapan Analytical Hierarchy Process untuk Pemilihan
Metode Audit PDE oleh audit internal. Jakarta.
Triantaphyllou, Evangelos. 1995. Using The Analytic Hierarchy Process For Decision Making In
Engineering Applications: Some Challenges. Published in: International Journal of
Industrial Engineering: Applications and Practice, Vol. 2, No. 1, pp. 35-44.
Top Related