View
256
Download
2
Category
Preview:
Citation preview
II-31
BAB II
LANDASAN TEORI
2.1. Penelitian Survei1
Penelitian survei ialah suatu penyelidikan yang dilakukan untuk
memperoleh fakta-fakta dari gejala yang ada dan mencari keterangan secara
faktual untuk mendapatkan kebenaran. Fink dan Kosecoff secara lebih tegas
mendefinisikan penelitian survei sebagai suatu metode pengumpulan data dan
informasi secara langsung dari orang-orang tertentu yang dijadikan objek
penelitian tentang perasaan, motivasi, rencana, keyakinan, personalitas,
pendidikan dan latar belakang finansial mereka tergantung dari sasaran penelitian.
Metode survei pada umumnya menggunakan instrumen kuesioner
(quesionnaire) yang diisi oleh para responden dari objek penelitian dengan
metode tertentu. Pengisian kuesioner dilakukan dengan atau tanpa bantuan
surveyor tergantung kebutuhannya. Metode pengumpulan data dan informasi
dalam survei juga sering menggunakan teknik wawancara baik dalam jarak dekat
ataupun jarak jauh. Beberapa sumber informasi lain yang juga tidak jarang
digunakan dalam penelitian survei ialah: observasi langsung terhadap objek, test
tertulis tentang kemampuan, pengetahuan, atau sikap dari objek, review terjhadap
catatan, dokumen diri tentang kesehatan, pendidikan objek dan lain-lain.
2.2. Teknik Sampling2
Untuk tahap pengumpulan data suatu penelitian, diperlukan proses
sampling terhadap data yang dibutuhkan. Terdapat dua metode teknik sampling
yang umum digunakandalam suatu penelitian, yaitu: metode probabilistik dan
metode non probabilistik.
Sebuah sampel harus dipilih sedemikian rupa sehingga setiap satuan
elementer mempunyai kesempatan dan peluang yang sama untuk dipilih dan
besarnya peluang itu tidak boleh sama dengan nol.1 Sukaria Sinulingga. Metode Penelitian (Medan: USU Press. 2009). hlm. 31-322Rosnani Ginting. Perancangan Produk(Yogyakarta: Graha Ilmu. 2010).hlm. 74-80
II-31
2.2.1. Non Probability Sampling
Adapun teknik non probability sampling terbagi atas 5 yaitu sebagai
berikut.
1. ConvinienceSampling
Pengambilan sampel dengan cara ini yaitu dengan cara mengambil anggota
populasi yang dianggap sudah mewakili populasi, misalkan akan dilakukan
penelitian terhadap mahasiswa tingkat persiapan yang memiliki bubuk A.
Disini akan diambil sampel dengan cara menutup mata dan kita panggil
mahasiswa yang akan ditanyai.
2. JudgementSampling
Untuk mengambil sampel dengan cara ini diperlukan tenaga ahli yang akan
menentukan anggota populasi yang akan menjadi anggota sampel. Misalnya
akan diadakan penelitian tentang penerimaan masyarakat terhadap suatu jenis
kosmetika. Para ahli biasanya mengambil segolongan orang yang selalu
memakai kosmetika, jadi tidak seluruh penduduk kota akan diambil sebagai
pilihan.
3. QuotaSampling
Pada quotasampling, sampel yang diambil adalah sekelompok anggota
populasi yang mempunyai karakteristik yang sama, misalnya akan melakukan
penelitian tentang masalah Keluarga Berencana (KB), maka dilakukan
pengelompokan golongan penduduk, misalnya penduduk suku Batak, Aceh,
Minang, dan sebagainya. Dari tiap golongan diambil dengan cara sebanding
dari jumlah keseluruhan.
4. SnowballSampling
Snowballsampling adalah teknik penentuan sampel yang mula-mula jumlahnya
kecil, kemudian membesar. Ibarat bola salju yang menggelinding yang lama-
lama menjadi membesar. Dalam penentuan sampel, pertama-tama dipilih satu
atau dua orang, kemudian dua orang ini disuruh memilih teman-temannya yang
dijadikan sampel. Begitu seterusnya, sehingga jumlah sampel semakin banyak.
II-31
2.2.2. ProbabilitySampling
Teknik probability sampling terbagi atas 3 yaitu sebagai berikut.
1. Simple Random Sampling
Sampel yang diambil secara random, yaitu setiap anggota populasi mempunyai
kesempatan yang sama untuk dipilih menjadi anggota sampel. Cara yang
umum dipakai adalah dengan menggunakan tabel random, atau dapat juga
dipergunakan secara undian.
2. Stratified Random Sampling
Teknik pengambilan sampel ini adalah teknik sampling dimana dapat diadakan
kelompok-kelompok atau tingkatan dari populasi yang akan kita ambil
sampelnya. Tiap-tiap tingkatan (strata) merupakan sub populasi. Pemisahan
dalam tiap tingkatan berdasarkan sifat yang sama dimasukkan ke dalam satu
tingkat. Kemudian dari setiap tingkatan itu diambil sampelnya dengan cara
randomsampling.
Jika populasi tidak homogen, dapat ditingkatkan (strata) yang masing- masing
homogen, amak dari tiap lapisan dapat diambil sampel secara acak. Syarat
pemakaian teknik pengambilan sampel secara stratified ini adalah:
1) Terdapat kriteria yang jelas untuk mebuat stratifiikasi populasi
2) Perlu ada data pendahuluan tentang populasi, tentang variabel yang
digunakan sebagai kriteria spesifikasi.
3) Perlu diketahui jumalh individu secara tepat pada tiap strata.
3. Cluster Sampliing
Pengambilan sampel dengan cara ini hampir sama dengan stratified random
sampling, bedanya pada clustersampling penentuan pengelompokan
berdasarkan geograpycal, misalnya atas dasar daerah. Kemudian dari tiap
sampel secara random dan dapat pula secara proporsional/ dilakukan
pengambilan sampel yang dibutuhkan.
Misalnya di Indonesia terdapat 34 propinsi dan sampelnya akan akan
menggunakan 10 propinsinya, maka pengambilan 10 propinsi itu bersih
dilakukan secara random. Tetapi perlu dingat, karena propinsi-propinsi di
II-31
Indonesia itu berstrata maka pengambilan sampelnya perlu menggunakan
stratifiedrandomsampling.
Teknik sampling daerah ini sering digunakan melalui 2 tahap yaitu tahap
pertama menentukan sampel daerah, dan tahap kedua menentukan orang-orang
yang ada pada daerah itu secara sampling itu juga.
2.3. Metode Penentuan Jumlah Sampel3
Pada dasarnya pengambilan jumlah sampel tergantung pada kondisi
populasinya. Apabila populasinya sangat homogen, maka pengambilan sampel
secukupnya saja. Akan tetapi apabila kondsi populasinya sangat heterogen, maka
pengambilan sampelnya harus memperhatikan bahwa tiap tingkatan populasi
harus terwakili.
Yang perlu diperhatikan bahwa pengambilan sampel harus melebihi
banyaknya variabel yang akan diukur pada populasi tersebut. Ada beberapa
macam cara untuk mengetahui ukuran sampel yang diambil sebagai perwakilan
dari suatu populasi.
a. Pendapat Slovin
Menurut Slovin, jumlah sampel yang dapat diambil adalah:
Dengan n adalah ukuran sampel, N ukuran populasi dan e adalah persen
kelonggaran ketidaktelitian karena kesalahan pengambilan sampel yang masih
dapat ditolerir, biasanya 0,02.
b. Pendapat Gay
Menurut Gay, ukuran minimum sampel dapat diterima berdasarkan pada desain
penelitian yang digunakan adalah sebagai berikut.
1. Untuk metode deskriptif minimal 10% populasi, untuk populasi yang relatif
kecil minimum 20%.
2. Metode deskriptif-korelasional, minimal 30 subyek
3. Metode ex post facto, minimal 15 subyek per kelompok
3Rosnani Ginting, 2009, Perancangan Produk. Yogyakarta: Graha Ilmu. Hal: 79-80.
II-31
4. Metode eksperimental, minimal 15 subyek per kelompok
c. Cara Interval Taksiran
Jumlah sampel yang dapat diambil dengan cara interval taksiran adalah:
n = dengan
2.4. Dasar-Dasar AHP4
Metoda Analytical Hierrchy Process (AHP) dekembangkan oleh Prof.
Thomas Lorie Saaty dari Wharton Business School di awal tahun 1970, yang
digunakan untuk mencari rangking atau urutan prioritas dari berbagai alternatif
dalam pemecahan suatu permasalahan.
Metode ini adalah sebuah kerangka untuk mengambil keputusan dengan
efektif atas persoalan dengan menyederhanakan dan mempercepat proses
pengambilan keputusan dengan memecahkan persoalan tersebut kedalam bagian-
bagiannya, menata bagian atau variabel ini dalam suatu susunan hirarki, memberi
nilai numerik pada pertimbangan subjektif tentang pentingnya tiap variabel dan
mensintesis berbagai pertimbangan ini untuk menetapkan variabel yang mana
yang memiliki prioritas paling tinggi dan bertindak untuk mempengaruhi hasil
pada situasi tersebut.
Analytic Hierarchy Process (AHP) dapat menyederhanakan masalah
yang kompleks dan tidak terstruktur, strategik dan dinamik menjadi bagiannya,
serta menjadikan variabel dalam suatu hirarki (tingkatan). Masalah yang
kompleks dapat diartikan bahwa kriteria dari suatu masalah yang begitu banyak
(multikriteria), struktur masalah yang belum jelas, ketidakpastian pendapat dari
pengambil keputusan, pengambil keputusan lebih dari satu orang, serta
ketidakakuratan data yang tersedia.
Metode AHP ini membantu memecahkan persoalan yang kompleks
dengan menstruktur suatu hirarki kriteria, pihak yang berkepentingan, hasil dan
4 Johanes Sinaga.2010.Penerapan Analytical Hierarchy Process (AHP) Dalam Pemilihan Perusahaan Badan Usaha Milik Negara (BUMN) Sebagai Tempat Kerja Mahasiswa Universitas Sumatera Utara.Diakses pada tanggal 19 Maret 2015, pukul 20.00 WIB.
II-31
dengan menarik berbagai pertimbangan guna mengembangkan bobot atau
prioritas. Metode ini juga menggabungkan kekuatan dari perasaan dan logika yang
bersangkutan pada berbagai persoalan, lalu mensintesis berbagai pertimbangan
yang beragam menjadi hasil yang cocok dengan perkiraan kita secara intuitif
sebagaimana yang dipresentasikan pada pertimbangan yang telah dibuat. Selain
itu AHP juga memiliki perhatian khusus tentang penyimpangan dari konsistensi,
pengukuran dan ketergantungan di dalam dan di luar kelompok elemen
strukturnya.
Dalam menyelesaikan persoalan dengan metode Analytic Hierarchy
Process (AHP) ada beberapa prinsip dasar yang harus dipahami antara lain:
2.4.1. Decomposition
Pengertian decomposition adalah memecahkan atau membagi problema
yang utuh menjadi unsur–unsurnya ke bentuk hirarki proses pengambilan
keputusan, dimana setiap unsur atau elemen saling berhubungan. Untuk
mendapatkan hasil yang akurat, pemecahan dilakukan terhadap unsur–unsur
sampai tidak mungkin dilakukan pemecahan lebih lanjut, sehingga didapatkan
beberapa tingkatan dari persoalan yang hendak dipecahkan. Struktur hirarki
keputusan tersebut dapat dikategorikan sebagai complete dan incomplete. Suatu
hirarki keputusan disebut complete jika semua elemen pada suatu tingkat memiliki
hubungan terhadap semua elemen yang ada pada tingkat berikutnya, sementara
hirarki keputusan incomplete kebalikan dari hirarki yang complete yakni tidak
semua unsur pada masing-masing jenjang mempunyai hubungan (lihat gambar
2.1 dan 2.2). Pada umumnya problem nyata mempunyai karakteristik struktur
yang incomplete. Bentuk struktur decomposition yakni :
Tingkat pertama : Tujuan keputusan (Goal)
Tingkata kedua : Kriteria – kriteria
Tingkat ketiga : Alternatif – alternatif
II-31
Gambar 2.1. Struktur Hirarki yang Complete
Gambar 2.2. Struktur Hirarki yang Incomplete
Hirarki masalah disusun untuk membantu proses pengambilan keputusan
dengan memperhatikan seluruh elemen keputusan yang terlibat dalam sistem.
Sebagian besar masalah menjadi sulit untuk diselesaikan karena proses
pemecahannya dilakukan tanpa memandang masalah sebagai suatu sistem dengan
suatu struktur tertentu.
2.4.2. Comparative Judgement
Comparative Judgement dilakukan dengan penilaian tentang kepentingan
relatif dua elemen pada suatu tingkat tertentu dalam kaitannya dengan tingkatan
di atasnya. Penilaian ini merupakan inti dari AHP karena akan berpengaruh
terhadap urutan prioritas dari elemen–elemennya. Hasil dari penilaian ini lebih
mudah disajikan dalam bentuk matrix pairwise comparisons yaitu matriks
perbandingan berpasangan memuat tingkat preferensi beberapa alternatif untuk
tiap kriteria. Skala preferensi yang digunakan yaitu skala 1 yang menunjukkan
tingkat yang paling rendah (equal importance) sampai dengan skala 9 yang
II-31
menunjukkan tingkatan yang paling tinggi (extreme importance). Contoh dari
comparative judgement adalah dapat dilihat pada table 2.1.
Tabel 2.1.Perbandingan Berpasangan Antara Jasa Terhadap Unsur
Ketersediaan dan Kelengkapan MenuUnsur Penilaian Unsur
Kebersihan ruangan 9 8 7 6 5 4 3 2 1 2 3 4 5 6 7 8 9Ketersediaan dan
kelengkapan menu
Kebersihan
Ruangan9 8 7 6 5 4 3 2 1 2 3 4 5 6 7 8 9
Ketersediaan tempat cuci
tangan
Ketersediaan dan
kelengkapan menu9 8 7 6 5 4 3 2 1 2 3 4 5 6 7 8 9
Ketersediaan tempat cuci
tangan
Keterangan:
1 : Sama pentingnya
3 : Sedikit lebih penting
5 : Lebih penting daripada
7 : Jauh lebih penting
2.4.3. Synthesis of Priority
Synthesis of Priority dilakukan dengan menggunakan eigen vector
method untuk mendapatkan bobot relatif bagi unsur – unsur pengambilan
keputusan.
2.4.4. Logical Consistency
Logical Consistency merupakan karakteristik penting AHP. Hal ini
dicapai dengan mengagresikan seluruh eigen vektor yang diperoleh dari berbagai
tingkatan hirarki dan selanjutnya diperoleh suatu vektor composite tertimbang
yang menghasilkan urutan pengambilan keputusan.
Rumus hitung consistency index:
Dimana
II-31
n = banyaknya elemen
= nilai eigen terbesar dari matriks berordo n
CI = indeks konsistensi
Rumus hitung rasio konsistensi/Consistency Ratio (CR) dg rumus:
CR = CI/RC
Dimana
CR = consistency ratio
CI = consistency index
IR = index random consistency
2.5. Konsistensi Hierarki5
Hubungan preferensi yang dilakukan pada dua elemen tidak mempunyai
masalah konsistensi relasi. Bila elemen α1 adalah dua kali lebih penting dari
elemen α2, maka elemen α2 adalah ½ kali pentingnya dari elemen α1. Tetapi
konsistensi seperti itu tidak selalu berlaku apabila terdapat banyak elemen yang
harus dibandingkan. Karena keterbatasan kemampuan numerik manusia, maka
prioritas yang diberikan untuk sekumpulan elemen tidaklah selalu konsisten
secara logis. Hal ini berkaitan dengan penerapan AHP, yaitu bahwa penilaian
dalam AHP dilakukan berdasarkan pengalaman dan pemahaman yang bersifat
kualitatif dan kuantitatif. Sehingga secara numerik, terdapat kemungkinan suatu
rangkaian penilaian untuk menyimpang dari konsistensi logis.
Hasil penelitian suatu matriks perbandingan dalam pengolahan AHP
adalah konsisten apabila nilai rasio konsistensi (CR) tidak lebih dari 0.10. Apabila
CR ≤ 0.10, maka hasil penilaian dapat diterima atau dipertanggungjawabkan. Jika
tidak, maka pengambil keputusan harus meninjau ulang masalah dan merevisi
matriks perbandingan berpasangan.
Pengujian pada persamaan satu dilakukan untuk matriks perbandingan
yang didapatkan dari partisipan. Pengujian harus pula dilakukan untuk hirarki.
Prinsipnya adalah dengan mengalikan semua nilai CI dengan bobot suatu kriteria
5 Anonim, “BAB II”, diakses dari http://elib.unikom.ac.id/files/disk1/531/jbptunikompp-gdl-lismonoang-26519-6-bab2.pdf. Pada Tanggal 19 Maret 2015. Pukul 21.10 WIB, hlm. 29-32.
II-31
yang menjadi acuan pada suatu matriks perbandingan berpasangan dan kemudian
menjumlahkannya. Jumlah tersebut kemudian dibandingkan dengan nilai yang
diperoleh dengan cara yang sama tetapi untuk suatu matriks random. Hasil
akhirnya berupa suatu parameter yang disebut dengan Consistency Ratio
Hierarchy (CRH).
Secara rinci, prosedur perhitungan dapat diuraikan dengan langkah-
langkah berikut:
1. Perbandingan antar elemen yang dilakukan untuk seluruh hirarki akan
menghasilkan beberapa matriks berpasangan. Setiap matriks akan
mempunyai beberapa hal berikut:
a. Suatu kriteria yang menjadi acuan perbandingan antara kriteria pada
tingkat hirarki dibawahnya.
b. Nilai bobot untuk kriteria acuan tersebut, relatif terhadap kriteria di tingkat
lebih tinggi.
c. Nilai CI untuk matriks perbandingan untuk matriks tersebut
d. Nilai RI untuk matriks perbandingan untuk matriks tersebut
2. Untuk setiap matriks perbandingan, kalikan nilai CI dengan bobot kriteria
acuan. Jumlahkan semua hasil perkalian tersebut, maka didapatkan
Consistency Index of Hierarchy (CIH).
3. Untuk setiap matriks perbandingan, kalikan nilai CI dengan bobot kriteria
acuan. Jumlahkan semua hasil perkalian tersebut, maka didapatkan Random
Index of Hierarchy (RIH).
4. Nilai CRH diperoleh dengan membagi CIH dengan RIH. Sama halnya dengan
konsistensi matriks perbandingan berpasangan, suatu hirarki disebut
konsisten apabila nilai CRH tidak lebih dari 0.10.
2.6. AHP dalam Kelompok6
6 Agus Riyanto, I Made Aryantha Anthara. 2008. “Penentuan Prioritas Untuk Pemilihan Komponen Gravel Pump Menggunakan Analytic Hierarchy Process”, Diakses Dari http://Journal.Uii.Ac.Id/Index.Php/Snati/Article/View/173/164, Pada Tanggal 19 Maret 2015 Pukul 21.42 WIB, hlm. A-3.
II-31
Analytic Hierarchy Process (AHP) juga dapat digunakan dalam suatu
kelompok. Sumbang saran dan saling berbagi ide dan wawasan sering
menghasilkan pengertian dan pemahaman yang lebih baik tentang masalah,
ketimbang pada seorang pengambil keputusan tunggal. Tetapi idealnya kelompok
itu kecil dan para pesertanya memiliki informasi yang baik, bermotivasi tinggi,
dan sepakat mengenai pertanyaan dasar yang sedang digarap.
Dengan menggunakan model ini dalam suatu pertemuan kelompok,
anggota kelompok menstruktur persoalannya, memberi penilaian (pertimbangan),
memperdebatkan penilaian itu dan memberi argumentasi untuk nilai-nilai tertentu
sampai tercapai konsesus atau kompromi.
Perdebatan boleh ditiadakan dan pendapat perseorangan diambil melalui
kuesioner yang disebarkan kepada tiap-tiap anggota sebagai responden. Nilai
akhirnya diperoleh dari rata-rata geometrik penilaian (geometric mean). Untuk
menghitung rata-rata geometrik, nilai harusdikalikan, dan dari hasil ini ditarik
akar pangkat bilangan yang sama dengan jumlah orang yang memberi penilaian
itu.
dimana :
G = rata-rata geometrik
X1,X2,…..,Xn = penilaian ke 1,2,3,…,n
n = banyaknya penilaian
2.7. Analisis Tingkat Kerusakan Pasar Market Damage Analysis (MDA)7
Akibat ketidakpuasan yang dirasakan oleh pelanggan akan menimbulkan
kerusakan pasar atau Damage Market. Untuk itu maka dilakukan analisis sejauh
mana pasar yang ada mengalami kerusakan melalui analisis tingkat kerusakan
pasar (Market Damage Analysis). MDA mengelompokkan responden dalam
empat kategori yaitu:
1. No action respondent
7 Caroline Emeninta Purba. Analisis Tingkat Kerusakan Pasar. Diakses dari http://ml.scribd.com/doc/88633820/Bab-II. Pada tanggal 19 Maret, pukul 21.52.
II-31
Yaitu responden yang menyampaikan keluhan yang dirasakannya terhadap
suatu produk atau jasa kepada perusahaan yang bersangkutan, namun
keluhannya tersebut tidak ditanggapi.
2. Action Respondent
Yaitu responden yang menyampaikan keluhan yang dirasakannya terhadap
produk atau jasa kepada perusahaan yang bersangkutan, namun keluhan
tersebut ditanggapi.
3. No complain respondent
Yaitu responden mempunyai masalah tetapi tidak mengajukan complain.
4. Hazel free (no problem respondent)
Yaitu responden yang tidak punya masalah. Dalam melakukan analisis
tingkat kerusakan pasar atau MDA, dapat ditentukan oleh switching index dan
satisfaction index.
a. Switching Index
Pelanggan yang puas maupun tidak puas dianalisis keinginannya
berpindah ke pesaing, yang diukur dengn switching index (Swi)
merupakan gambaran besar probabilitas pelanggan yang ingin pindah ke
pesaing. Swi memiliki nilai antara 0 sampai 1.
Nilai 0,0 : responden tetap setia.
Nilai 0,5 : responden mungkin berpindah ke pesaing
Nilai 1,0 : responden pasti pindah ke pesaing.
b. Satisfaction Index
Tingkat kepuasan pelanggan pada masing-masing jenis perilaku
(pengelompokkan MDA) diukur dengan satisfaction index (SI). SI
dihitung dengan cara meminta responden untuk memilih salah satu dari
lima skala Likert yang telah ditentukan terlebih dahulu yang
menggambarkan tingkat kepuasan mereka terhadap pelayanan yang
diberikan. Skala likert yang digunakan sebagai berikut:
1. Sangat tidak puas
2. Tidak puas
3. Cukup
II-31
4. Puas
5. Sangat puas
2.8. Methode of Successive Interval8
Sektor jasa yang menghasilkan produk berupa pelayanan memiliki sifat
yang khas, maka penggunaan teknik manajemenkualitas standar tidaklah sesuai
karena sifatnya yang khas tersebut, beberapa peneliti dan akademisi
mengembangkanbeberapa metode untuk menemukan, mengukur, dan menganalisa
determinan dari kualitas pelayanan. Kualitas pelayananperlu diukur setidaknya
karena tiga alasan, yaitu:
1. Hasil pengukuran dapat digunakan untuk melakukan perbandingan
antarasebelum dan sesudah terjadinya perubahan pada suatu organisasi
2. Pengukuran diperlukan untuk menemukan letak permasalahan yang terkait
dengan kualitas
3. Hasil pengukuran diperlukan untuk menetapkan standar pelayanan kualitas
Metode servqual merupakan metode pengukuran kualitas pelayanan yang
paling banyak digunakan karena frekuensi penggunaannya yang tinggi.
Disamping itu, metode servqual dipandang memenuhi syarat validitas secara
statistik.
Metode servqual terdiri atas lima dimensi kualitas pelayanan, yaitu:
1. Tangibles (bukti terukur), menggambarkan fasilitas fisik, perlengkapan,dan
tampilan dari personalia serta kehadiran para pengguna.
2. Reliability (keandalan), merujuk kepada kemampuan untuk memberikan
pelayanan yang dijanjikan secara akurat dan handal.
3. Responsiveness (daya tanggap), yaitu kesediaan untuk membantu pelanggan
serta memberikan perhatian yang tepat.
4. Assurance (jaminan), merupakan karyawan yang sopan dan berpengetahuan
luas yang memberikan rasa percaya serta keyakinan.
8 Joko Mul, “Metode Servqual”. Diakses dari www.scribd.com/doc/84307846/Metode-Servqual. Pada Tanggal 19 Maret 2015. Pukul 21.20 WIB
II-31
5. Empathy (empati), mencakup kepedulian serta perhatian individual kepada
para pengguna.
2.9. Model Kano9
Model Kano merupakan suatu model yang bertujuan mengkategorikan
atribut-atribut dari produk atau jasa berdasarkan seberapa baik produk/jasa
tersebut mampu memuaskan kebutuhan pelanggan. Model ini dikembangkan oleh
Profesor Noriaki Kano dari Universitas Tokyo Rika (Kano, 1985). Profesor
Noriaki Kano bekerjasama dengan para mahasiswanya memunculkan beberapa
ide yang menjadi cikal bakalnya Pengukuran Kepuasan Pelanggan , ide-ide
tersebut dapat dirangkum sebagai berikut :
a. Ide/permintaan mengenai kualitas yang tidak dapat dilihat bisa dibuat dapat
melihat. Para pelanggan biasanya memiliki ide/permintaan dan sukar untuk
dilihat. Namun ide-ide tersebut dapat dibuat menjadi jelas dengan
membuatnya menjadi sebuah struktur (diagram pohon) seperti terlihat pada
Gambar 2.3.
Gambar 2.3. Diagram Pohon dan Model Kano
2.10. Uji Validitas dan Reliabilitas
9 Tiena G. Amran, dan Ponti Ekadeputra2. 2010. Pengukuran Kepuasan Pelanggan Menggunakan Metode Kano Dan Root Cause Analysis (Studi Kasus Pln Tangerang).Jurnal Teknik Industri, Jakarta:Universitas Trisakti. Diakses pada 19 Maret 2015 Pukul 21.09 WIB, hlm. 160-161
II-31
2.10.1. Uji Validitas10
Validitas data ialah suatu ukuran yang mengacu kepada derajat kesesuaian
antara data yang dikumpulkan dan data sebenarnya dalam sumber data. Data yang
valid akan diperoleh apabila instrumen pengumpulan data juga valid.
Cara-cara yang umum digunakan untuk menguji validitas instrument ialah
melalui analisis korelasi (correlational analysis), analisis faktor (factor analysis)
dan multitrait. Analisis korelasi dilakukan dengan menggunakan rumus Korelasi
Product Moment yang dikembangkan oleh Pearson yaitu sebagai berikut:
Dimana:
rxy = koefisien korelasi antara X dan Y
Xi = skor variabel independen X
Yi = skor variabel independen Y
2.10.2. Uji Reliabilitas
Reliabilitas sebuah alat ukur berkenaan dengan derajad konsistensi dan
stabilitas data yang dihasilkan dari proses pengumpulan data dengan
menggunakan instrument tersebut. Ada dua ukuran yang sering digunakan untuk
mengetahui derajat reliabilitas atau kehandalan instrument pengumpulan data
yaitu stabilitas instrumen dan konsistensi internal konsumen.
Pengujian reliabilitas pada umumnya dikenakan untuk pengujian stabilitas
instrumen dan konsistensi internal instrumen. Beberapa metode pengujian
realibilitas instrument yang umum digunakan dalam penelitian yaitu:
1. Formula Spearman-Brown
Pengujian konsistensi instrumen dengan menggunakan formula Spearman-
Brown didasarkan pada metode split-half korelasi antar belaha pertama dan
kedua dihitung menggunakan formula sebagai berikut:10Sukaria Sinulingga, Metode Penelitian (Medan: USU Press, 2011).Hlm.226-251.
II-31
Dimana:
r11 : reliabilitas instrumen
rxy : indeks korelasi antar dua belah instrumen.
2. Formula Flanagan
Pengujian reliabilitas berdasarkan formula Flanagan juga menggunakan
analisis butir dan pendekatan split-half ganjil dan genap. Formula Flanagan
menggunakan variabel varians skor butir-butir belahan pertama (ganjil),
varians skor butir-butir belahan kedua (genap) dan varians skor total butir-butir
sebagai berikut:
Dimana:
r11 : reliabilitas instrumen
V1 : varians skor belahan pertama
V2 : varians skor belahan kedua
Vt : varians skor total.
3. Koefisien Alpha Cronbach
Berbeda dengan ukuran reliabilitas yang telah dibahas di atas dimana
instrument menggunakan skor 0 dan 1 untuk setiap butir pertanyaan , koefisien
Alpha Cronbach digunakan untuk mengukur reliabilitas instrumen yang
pertanyaan-pertanyaannya menggunakan skor dalam rentangan tertentu
misalnya antara 1 dan 5 atau antara 1 dan 10 dan sebagainya.Rumus yang
digunakan dalam menghitung koefisien Alpha Cronbach adalah sebagai
berikut:
Dimana :
II-31
r1 : reliabilitas instrumen (koefisien Alpha Cronbach)
k : jumlah butir pertanyaan dalam instrumen
: jumlah varians butir-butir pertanyaan
: varians total
2.11. Jurnal Internet : Penerapan Metode MCDM Dalam Evaluasi Dampak
Lingkungan
2.11.1. Pendahuluan
Makalah ini difokuskan pada evaluasi dampak lingkungan dalam
organisasi Percontohan menggunakan beberapa metode MCDM. Tujuan dari
penelitian ini adalah untuk menentukan objektivitas dan reliabilitas metode
MCDM untuk tujuan evaluasi pentingnya dampak lingkungan, yang dianggap
sebagai langkah penting dalam pelaksanaan standar ISO 14001 (Sistem
Manajemen Lingkungan). Untuk tujuan ini, beberapa metode AHP, AHP Entropi,
TOPSIS, Vikor dan Entropy Vikor telah digunakan di koran. Hasil analisis
komparatif ini dilakukan pada data konkret.
Standar ISO 14001 (Manajemen Lingkungan System) tidak mengusulkan
cara evaluasi aspek lingkungan dan dampak. Standar ini memungkinkan
organisasi untuk membuat individual metodologi mereka untuk aspek lingkungan
dan evaluasi dampak. Bahkan, standar ISO menunjukkan bahwa "Pentingnya
konsep yang relatif dan tidak dapat didefinisikan dalam istilah absolut". Gagasan
sebelumnya memungkinkan organisasi dengan kebebasan penuh mengenai
evaluasi. aspek lingkungan dan dampak. Namun demikian, pendekatan ini dapat
meningkatkan kreativitas dalam organisasi sekaligus menciptakan dasar untuk
manipulasi data yang tergantung pada Sistem Manajemen Lingkungan orientasi
organisasi. Mengingat pentingnya mengevaluasi dampak lingkungan terhadap
efektivitas dan efisiensi sistem manajemen lingkungan secara keseluruhan, kertas
mengeksplorasi kemungkinan penerapan metode MCDM untuk tujuan evaluasi
obyektif dan dapat diandalkan dampak lingkungan.
II-31
Multi Criteria Decision Making (MCDM) merupakan model matematika
yang digunakan untuk memecahkan masalah yang rumit termasuk berbagai
kriteria untuk setiap aspek dan memilih aspek terbaik. Ada banyak metode
MCDM seperti:
1. TOPSIS (Teknik untuk Orde Preferensi oleh Kesamaan ke Solution Ideal)
2. AHP (Analytical Hierarchy Process)
3. Vikor
4. Fuzzy Set Theory
5. WSM (Weighted Sum Model)
6. WPM (Weighted Product Model)
7. SAW (Simple Additive Weighting)
Mereka telah digunakan untuk memecahkan masalah dalam pemilihan robot,
menentukan penawar disesuaikan, memilih pemain CBA terbaik serta di bidang
pariwisata, manufaktur dan pasokan listrik. Bahkan FMEA (modus Kegagalan dan
analisis efek) dan FTA (Fault Tree Analysis), alat penilaian risiko yang paling
populer, dapat didasarkan pada kabur multi-kriteria pengambilan keputusan dan
digunakan untuk pernah mengakhiri peningkatan kualitas produk. Hal ini terutama
efisien bila hipotesis didukung oleh bukti-bukti eksperimental. Dalam semua
metodologi, ia mengungkapkan bahwa pentingnya atau prioritas bobot relatif
ditugaskan untuk kriteria evaluasi yang dianggap memiliki peran besar dalam
memperoleh peringkat akurat alternatif material. Namun, tidak jelas apa pengaruh
dari kriteria beban atau sejumlah kriteria dalam materi keputusan pemilihan
matriks pada keakuratan solusi dan kinerja peringkat metode MCDM yang dianut.
Oleh karena itu, juga telah menjadi praktek untuk menggunakan beberapa dari
mereka dalam memecahkan satu masalah sehingga untuk membandingkan hasil.
Biasanya tidak mudah untuk memverifikasi keabsahan hasil. Tentu saja, metode
yang memiliki dukungan perangkat lunak juga yang paling sering digunakan saat
ini.
2.11.2. Pengambilan keputusan dengan metode MCDM
II-31
Pengambilan keputusan dengan metode AHP. Makalah ini menekankan
Analytic Hierarchy Process (AHP), metode MCDM terkenal analisis ilmiah dan
pengambilan keputusan oleh kalibrasi hierarki yang elemen tujuan, kriteria, sub-
kriteria dan alternatif. AHP handal dan mudah digunakan untuk pekerjaan
pengambilan keputusan dan itulah sebabnya telah paling sering digunakan dan
paling populer di kalangan para ahli dan praktisi. AHP adalah metode multi
kriteria yang didasarkan pada disagregasi lebih masalah yang kompleks pada
beberapa tingkat hirarki dengan mendirikan tujuan di atas sebagai tingkat pertama.
Tingkat berikut ini kriteria dan sub-kriteria dan tingkat akhir merupakan alternatif.
Dasar-dasar hirarki AHP terdiri dari tiga tingkatan (tujuan, kriteria dan alternatif),
namun ada kemungkinan untuk lebih memisahkan struktur ini. Pendekatan ini
disagregasi bisa diwujudkan ketika tingkat yang diperlukan detail dicapai.
Gambar 1 (Jovanovic, 2009) merupakan empat tingkat hirarki AHP. Namun,
harus dipertimbangkan bahwa hal itu bisa menjadi kasus yang Gambar 1 tidak
hadir kemungkinan lengkap. Dengan kata lain, ada kemungkinan bahwa salah satu
kriteria tidak dalam umum untuk semua alternatif yang membagi hirarki ke dalam
sub-hirarki dengan tujuan yang sama (Gambar 1). Dalam pendekatan AHP,
Tujuan yang pertama kali didefinisikan dan kemudian kriteria, sub-kriteria dan
terakhir alternatif. Oleh karena itu, pendekatan untuk mendefinisikan masalah
adalah dari atas ke bawah (Up Bottom). AHP memungkinkan evaluasi tingkat di
kedua arah (Up Bottom) dan (Bottom Up), tetapi dalam praktek evaluasi dari atas,
yaitu evaluasi kriteria yang berhubungan dengan tujuan, sub-kriteria yang
berhubungan dengan kriteria, alternatif yang terkait dengan sub-kriteria. Hasil
akhir dari metode AHP adalah daftar signifikansi alternatif yang relevan terkait
dengan objektif. Perbandingan berpasangan diwujudkan dengan skala Saaty yang
disajikan pada Tabel 1 yang dianggap sebagai dasar untuk implementasi AHP.
II-31
Gambar 2.4 Sebuah Contoh Hierarki AHP
Tabel 2.2. Skala Perbandingan Saaty
Prosedur AHP itu sendiri didasarkan pada 6 langkah dasar (Saaty, 1994):
1. Definisi masalah dan jelas menetapkan tujuan dan alternatif yang mungkin
(solusi) dari masalah.
2. Dekomposisi masalah ke dalam struktur hirarki dengan kriteria yang
ditetapkan, sub-kriteria dan alternatif.
3. Perbandingan elemen dipasangkan dari tingkat yang sama dalam kaitannya
dengan unsur tingkat yang lebih tinggi.
4. Penentuan koefisien berat relatif unsur hirarki
5. Pengujian konsistensi evaluasi.
II-31
6. Sintesis bobot relatif pengambilan keputusan elemen untuk mendapatkan
evaluasi lengkap signifikansi alternatif (solusi).
Keuntungan utama dari pendekatan AHP adalah mengenai kemungkinan
bahwa selain dari pengambilan keputusan individu, memungkinkan pengambilan
keputusan kelompok yang lebih sering digunakan. Prosedur dijelaskan
sebelumnya yang terkait dengan pengambilan keputusan individu merupakan
dasar-dasar evaluasi kelompok di mana kita memiliki pembuat keputusan lebih
banyak dengan perbedaan mendasar tentang ringkasan hasil akhir. Pengambilan
keputusan individu juga sangat berguna untuk menurunkan daftar peringkat dan
memprioritaskan dan telah digunakan dalam
Struktur masalah evaluasi hirarki dampak lingkungan di evaluasi dilakukan
dengan menerapkan metode AHP, merupakan perbaikan tertentu dibandingkan
dengan metodologi matematika dari ISO 14001 organisasi yang disertifikasi.
Alasan untuk ini adalah karena ada tersebar luas dari model matematika untuk
pengambilan keputusan pada fakta yang verifikasi direalisasikan di seluruh dunia
dan tidak hanya pada tingkat lokal. Kriteria evaluasi dibandingkan dengan gol itu
dilakukan oleh saling perbandingan, sedangkan evaluasi dampak dibandingkan
dengan kriteria dilakukan dengan masukan langsung dari nilai-nilai dari skala 1
sampai 4. Setelah evaluasi semua tingkat hirarki, model memberikan daftar
signifikansi dampak lingkungan yang teridentifikasi.
II-31
Gambar 2.5. Model AHP untuk Evaluasi Dampak Lingkungan dalam
Contoh Organisasi
Evaluasi dilakukan dengan menerapkan metode AHP, merupakan
perbaikan tertentu dibandingkan dengan metodologi matematika dari ISO 14001
organisasi yang disertifikasi. Alasan untuk ini adalah karena ada tersebar luas dari
model matematika untuk pengambilan keputusan pada fakta yang verifikasi
direalisasikan di seluruh dunia dan tidak hanya pada tingkat lokal. Evaluasi
Kriteria dibandingkan dengan gol itu dilakukan oleh saling perbandingan,
sedangkan evaluasi dampak dibandingkan dengan kriteria dilakukan dengan
masukan langsung dari nilai-nilai dari skala 1 sampai 4. Setelah evaluasi semua
tingkat hirarki, model memberikan daftar signifikansi dampak lingkungan yang
teridentifikasi.
II-31
Gambar 2.6. Daftar Peringkat Dampak Lingkungan pada Metode AHP
Dengan cara ini maka sudah mendapat daftar peringkat semua dampak
lingkungan. Dengan bantuan dari daftar peringkat dampak lingkungan sangat
mudah untuk menentukan di mana perbatasan adalah, antara dampak lingkungan
yang signifikan dan tidak signifikan.
2.11.3. Pengambilan Keputusan dengan Metode TOPSIS
Teknik untuk Order of Preference by Similarity to Ideal Solution
umumnya dikenal sebagai TOPSIS. Ini adalah alat MCDM populer yang pada
awalnya dikembangkan oleh Hwang dan Yoon (1983), lebih ditingkatkan oleh
Yoon di (1987) dan Hwang et al. (1993). TOPSIS digunakan ketika pengguna
memilih teknik pembobotan sederhana seperti AHP . Telah diterima secara luas
metode dalam konteks MADM (Arnoosh et al., 2012). Menurut teknik ini,
alternatif terbaik akan menjadi salah satu yang terdekat dengan solusi ideal positif
dan terjauh dari solusi ideal negatif . Solusi ideal positif adalah solusi yang
memaksimalkan kriteria manfaat dan meminimalkan kriteria biaya, sedangkan
solusi ideal negatif memaksimalkan kriteria biaya dan meminimalkan manfaat
kriteria. Dengan kata lain, solusi ideal positif terdiri dari semua nilai terbaik
dicapai kriteria, sedangkan solusi ideal negatif terdiri dari semua nilai terburuk
dicapai kriteria. TOPSIS biasanya digunakan untuk memprioritaskan alternatif
melalui membandingkannya dengan yang terbaik dan solusi yang terburuk.
II-31
Kemungkinan menggabungkan faktor kualitatif dan kuantitatif adalah salah satu
manfaat dari teknik ini. Manfaat lain dari metode ini adalah kemampuan
memisahkan indikator dalam kategori biaya atau keuntungan. Dalam mengikuti
beberapa langkah akan disajikan metode TOPSIS. Terdapat enam langkah yang
terkait dengan pelaksanaan TOPSIS sebagai berikut,
1. TOPSIS adalah metode yang layak untuk masalah yang diusulkan dan cocok
untuk penggunaan peringkat kinerja yang tepat dilaksanakan TOPSIS untuk
prospek pasar gas alam grosir di negara-negara perjanjian masyarakat energi.
TOPSIS telah juga digunakan dalam layanan internet, misalnya Cheng et al.
(2011) menggunakan TOPSIS untuk layanan Web masalah pemilihan (Cheng
et al., 2011). Telah digunakan dalam banyak aplikasi teknologi informasi ilmu
pengetahuan dan rekayasa (Chang et al., 2010). Bahkan, telah digunakan paket
perangkat lunak Expert Choice untuk aplikasi metode AHP, kami
menggunakan Excel untuk aplikasi semua metode MCDM lainnya. Excel
biasanya digunakan untuk membuat perhitungan dan membuat grafik di mana
yang terakhir membuat analisis lebih mudah. Hasil evaluasi dampak
lingkungan menggunakan metode TOPSIS disajikan pada Gambar 2.7.
Tabel 2.3. Hasil dari Aplikasi Metode TOPSIS
II-31
Gambar 2.7. Hasil dari Aplikasi Metode TOPSIS
Seperti yang dilihat pada gambar 2.6, dampak yang paling penting adalah:
air sanitasi (kapal), energi panas dan limbah padat (kapal) yang sama seperti hasil
yang diperoleh dalam penerapan metode AHP. Pembahasan hasil disajikan dalam
bab terakhir setelah penerapan semua metode MCDM.
2.11.4. Pengambilan Keputusan Dengan Metode Vikor
Vikor berarti multi-kriteria optimasi dan solusi kompromi. Opricovic
(1998) memperkenalkan metode Vikor. Metode MCDM ini komprehensif dan
sederhana. Kinerja peringkat metode Vikor adalah lebih tinggi dari TOPSIS dan
PROMETHEE metode. Metode Vikor terutama didasarkan pada ukuran tertentu
kedekatan dengan solusi ideal dan berfokus pada memilih pilihan terbaik dari
serangkaian alternatif yang layak di hadapan kriteria yang saling bertentangan
dengan menentukan solusi kompromi. Metode Vikor menggunakan normalisasi
linear dan nilai normalisasi tidak tergantung pada unit evaluasi kriteria. Metode
Vikor mengintegrasikan utilitas kelompok maksimal dan minimal penyesalan
individu secara simultan (Chakrabortya dan Chatterjeeb, 2013). Hal ini juga
mengungkapkan bahwa di antara tiga metode MCDM dipertimbangkan, Vikor
melebihi yang lain karena keuntungan tak terbantahkan. Ada aplikasi khas metode
Vikor di berbagai bidang industri seperti evaluasi proyek pengembangan
II-31
perangkat lunak, pilihan mitra dalam IS / IT outsourcing proyek, identifikasi
risiko proyek dan prioritas, dan pemilihan lokasi pabrik. Hasil evaluasi dampak
lingkungan menggunakan metode Vikor disajikan pada gambar dibawah ini.
Tabel 2.4. Hasil dari Aplikasi Metode Vikor
Gambar 2.8. Hasil dari Aplikasi Metode Vikor
Seperti yang dilihat pada gambar diatas, air limbah berminyak adalah
dampak lingkungan yang paling penting dalam penerapan metode Vikor. Semua
dampak lingkungan lainnya memiliki makna yang lebih kecil maka yang pertama.
Baru-baru ini, Vikor telah banyak diterapkan untuk menangani masalah MCDM
dari berbagai bidang, seperti pemilihan lokasi, kebijakan lingkungan dan analisis
data envelopment. Reza Raei et al. (2012) menyimpulkan bahwa Vikor
memberikan hasil yang lebih baik daripada TOPSIS.
II-31
2.11.5. Metode Entropi dalam Metode MCDM
Entropi bobot adalah metode yang terdiri dari nilai-nilai monitoring indeks
evaluasi dalam kondisi objektif, dapat menentukan target dan tingkat ketertiban
dan efektivitas dengan mengacu evaluasi informasi Entropi yang menghindari
subjektivitas bobot berbagai kriteria, dan oleh karena itu hasil evaluasi dapat lebih
mampu mencerminkan keadaan yang sebenarnya. Shannon memperkenalkan teori
informasi Entropi, yang didasarkan pada prinsip termodinamika mana Entropi
adalah derajat gangguan molekul-molekul dalam zat untuk pertama kalinya yang
telah diterapkan sebagai ukuran gangguan, ketidakrataan distribusi, tingkat
ketergantungan atau kompleksitas sistem. Pembentukan berat dengan asumsi
bahwa ada benda evaluasi m, setiap objek yang dievaluasi dalam kriteria n,
matriks perbandingan.
Hal ini dicapai dengan menggunakan Entropi bobot dalam metode MCDM. Teori
Entropi telah digunakan dalam penekankan bahwa menggunakan Entropi
pengaruh faktor subjektif berkurang, yang mengarah ke hasil yang objektif.
2.11.6. Pengambilan Keputusan dengan Metode AHP Entropi
AHP adalah metode menundukkan pembobotan, menyusun analisis
kualitatif dan kuantitatif di mana kriteria bobot diasumsikan berdasarkan
pengalaman dan intuisi yang mengarah ke penyimpangan. Daftar peringkat
ditemukan dengan menggunakan bobot Entropi pada langkah akhir AHP.
Berdasarkan metode evaluasi gabungan, kertas mengevaluasi keamanan smart
grid dengan menggunakan metode AHP-Entropi yang menggabungkan bobot
subjektif dan objektif berat. Metode ini sederhana, praktis dan akurat. Telah
dianalisis empat wilayah untuk membuktikan bahwa hasil evaluasi sesuai dengan
situasi aktual di berbagai daerah. Oleh karena itu, pemecahkan masalah yang
sama dengan mengambil bobot dari metode Entropi dan menggunakannya dalam
langkah terakhir dari AHP untuk menentukan peringkat. Bahkan, digunakan paket
perangkat lunak Expert Choice untuk aplikasi metode AHP, digunakan Excel
untuk aplikasi metode AHP Entropi. Excel biasanya digunakan untuk membuat
perhitungan dan membuat grafik di mana yang terakhir membuat analisis lebih
II-31
mudah. Perbandingan matriks itu, karena itu digunakan di Excel bersama dengan
rumus untuk mencapai hasil yang diharapkan.
Tabel 2.5. Entropi dan Bobot Entropi
Dapat melihat dari angka 6 bahwa dalam metode Entropi Hi untuk
Volume Dampak, Power Dampak dan Probabilitas Dampak Penampilan
ditemukan 1,55, 1,65 dan 1,67 masing-masing. Entropi bobot W dihitung sebagai
0,29, 2,01 dan -0,50 masing-masing. Hal ini sangat penting untuk menyebutkan
bahwa data ini jelas berbeda dari bobot skala Saaty dalam metode AHP. Alasan
untuk itu adalah perbedaan antara metode evaluasi untuk dua metode ini.
Gambar 2.9. Daftar peringkat dampak lingkungan penting dengan metode
AHP Entropi
II-31
Tabel 2.6. Daftar Peringkat Dampak Lingkungan Penting dengan Metode
AHP Entropi
Pemeringkatan tampaknya sama di kedua metode - AHP dan AHP Entropi
kecuali bahwa jajaran Kimia (kapal) dan Kebisingan (kapal) yang dipertukarkan.
Dalam AHP Entropi, Kebisingan (kapal) menduduki peringkat keempat
sedangkan Kimia (kapal) yang kelima seperti AHP. Perbedaan ini terjadi karena di
AHP Entropi, bobot yang digunakan dalam langkah terakhir dari AHP dari
Entropi untuk mengurangi subjektivitas seperti AHP mana mereka berdasarkan
skala Saaty.
Prosedur yang sama dilakukan dengan TOPSIS dan metode Vikor dengan
tujuan untuk memperoleh hasil evaluasi dampak lingkungan menggunakan
TOPSIS-Entropi dan metode Vikor-Entropy.
2.11.7. Hasil Analisis Dampak Lingkungan Evaluasi Menggunakan Semua
Metode di Atas
Setelah penerapan semua metode MCDM yang paling sering digunakan
kami melakukan analisis komparatif hasil yang diperoleh. Pada tabel disajikan
hasil dampak evaluasi lingkungan menggunakan AHP, Vikor dan metode TOPSIS
serta metode Entropi mereka.
II-31
Tabel 2.7. Analisis Balik Perbandingan Metode MCDM untuk Evaluasi
Dampak Lingkungan
Menganalisis Angka 7 dan 8, kita mengamati bahwa peringkat dari
dampak terhadap lingkungan yang diperoleh dengan menerapkan metode AHP,
AHP Entropi dan metode Vikor sangat mirip. Selain itu, kita mengamati
penyimpangan besar dibandingkan dengan Vikor Entropi, TOPSIS dan TOPSIS
Entropi metode. Namun, hasil yang diperoleh dengan menerapkan metode Vikor
Entropi lebih dekat dengan hasil yang diperoleh dengan menerapkan AHP, AHP
Entropi dan metode Vikor kemudian TOPSIS dan TOPSIS Entropi metode. Dalam
tulisan (Fragassa, 2010), data yang sama yang digunakan untuk memverifikasi
hasil yang diperoleh dengan menerapkan metode AHP model berdasarkan
II-31
jaringan saraf. Dengan demikian kita memperoleh hasil yang kompatibel dengan
hasil yang disediakan oleh model AHP. Selain itu, dengan menganalisis semua
dampak terhadap lingkungan, itu menegaskan bahwa hasil yang diberikan oleh
metode AHP yang realistis dan sesuai dengan situasi di organisasi yang diamati.
Sebagai 3 dari 6 metode telah memberikan hasil yang dikonfirmasi oleh model
berdasarkan jaringan saraf di koran (Fragassa, 2010), hipotesis bahwa metode
MCDM yang realible dan tujuan untuk evaluasi dampak lingkungan dapat
dikonfirmasi. Selain itu, memiliki diingat bahwa hasil dari semua metode MCDM
berlaku tidak sepenuhnya sesuai dengan satu sama lain, menegaskan fakta bahwa
dalam memecahkan beberapa masalah di mana kita bisa tepat menentukan
keakuratan hasil akhir perlu menggunakan beberapa metode MCDM karena tidak
ada benar-benar metode MCDM terbaik dalam memecah5. Kesimpulan
Metodologi untuk evaluasi dampak lingkungan tidak secara eksplisit didefinisikan
dalam standar ISO 14001 atau standar ISO 14004, tetapi menganalisis akses yang
berbeda dari ISO 14001 organisasi yang disertifikasi, kami menyimpulkan bahwa,
di daerah ini, ada banyak kemungkinan manipulasi data. Oleh karena itu, makalah
Ini menyajikan akses dari evaluasi dampak lingkungan dalam aplikasi metode
MCDM.
Dampak lingkungan dari sebuah organisasi percontohan yang dievaluasi
dengan menggunakan metode MCDM - AHP, AHP Entropi Vikor, Vikor Entropi,
TOPSIS dan metode TOPSIS Entropi. Hal ini ditemukan bahwa metode AHP,
AHP Entropi dan Vikor berguna untuk peringkat dampak lingkungan, terutama
saat membuat keputusan individu dan mencari tahu yang paling signifikan,
sehingga sesuai perubahan dapat dibuat di perusahaan dan dampak dapat
diperbaiki. Bahkan AHP Entropi tampaknya lebih dapat diandalkan dibandingkan
AHP sejak berat, menjadi dari metode pembobotan Entropi membuat peringkat
yang daftar lebih obyektif, kedua metode memberikan hasil yang sangat mirip.
Metode Vikor juga memberikan hasil yang sama seperti AHP dan AHP Entropi
metode.
Namun, 3 dari 6 metode telah memberikan hasil yang hampir sama yang
dikonfirmasi oleh model berdasarkan jaringan saraf di koran (Jovanovic et al.,
II-31
2013). Menurut itu, dalam pekerjaan ini kami mengkonfirmasi hipotesis bahwa
"penerapan metode MCDM dapat diandalkan dan tujuan untuk evaluasi dampak
lingkungan" yang menghilangkan kemungkinan manipulasi. Hal ini merupakan
salah satu persyaratan yang paling penting dari ISO 14001. Selain itu, memiliki
diingat bahwa hasil dari semua diterapkan metode MCDM tidak selaras, sekali
lagi fakta bahwa dalam memecahkan beberapa masalah di mana kita tidak bisa
tepat menentukan keakuratan hasil akhir, diperlukan untuk menggunakan
beberapa metode MCDM karena ada tidak benar-benar metode MCDM terbaik
dalam memecahkan masalah tertentu dikonfirmasi.
Perhatian khusus untuk pekerjaan penelitian masa depan harus berorientasi
pada penentuan obyektifitas dan keandalan penerapan metode AHP dan AHP
Entropi hanya evaluasi dampak lingkungan untuk menghindari penerapan
sejumlah besar metode MCDM untuk tujuan ini umekan masalah tertentu.
Recommended