Upload
others
View
3
Download
0
Embed Size (px)
Citation preview
23
BAB IV
HASIL PENELITIAN DAN PEMBAHASAN
4.1. Membuat Struktur Hirarki Masalah
Pembuatan struktur hirarki digunakan untuk mempermudah dalam
pengambilan keputusan dengan menggambarkan permasalahan yang dihadapi
kedalam struktur hirarki, dimulai dengan goal atau sasaran kemudian kriteria dan
alternatif. Adapun struktur hirarki dapat dilihat pada gambar berikut ini.
Goal / Sasaran
Kriteria
Alternatif
Gambar IV.1
Struktur Hirarki Promosi Jabatan
4.2. Hasil Pengolahan Data AHP (Analytical Hierarchy Process)
Untuk mendapatkan total ranking secara keseluruhan, pertama melakukan
perhitungan dengan menggunakan metode AHP (Analytical Hierarchy Process)
untuk menentukan bobot setiap kriteria. Berikut ini langkah-langhkah dan
perhitungan menggunakan metode AHP (Analytical Hierarchy Process).
24
4.2.1. Penilaian Perbandingan Multi Partisipan
Hasil dari data-data perbandingan berpasangan yang di ambil dari
kuesioner pada responden, kemudian dicari satu jawaban untuk matriks
perbandingan dengan menggunakan perataan jawaban atau Geomatric Mean
Theory. Untuk mendapatkan satu nilai tertentu dari semua nilai tersebut, masing-
masing nilai harus dikalikan satu sama lain, kemudian hasil perkalian
dipangkatkan dengan 1/n dimana n adalah jumlah partisipan. Secara sistematis
persamaan tersebut adalah sebagai berikut:
√
4.2.2. Perhitungan Faktor Pembobotan Hirarki untuk Kriteria Keputusan
Promosi Jabatan
Berikut ini adalah rekapitulasi hasil perhitungan matriks penilaian
perbandingan berpasangan gabungan dari lima responden. Maka matriks
perbandingan hasil refrensi diatas adalah:
Tabel IV.1.
Matriks Perbandingan Berpasangan Untuk Semua Kriteria
AKUMULASI DATA RESPONDEN
MK PD PK
MK 1 1.191 0.725
PD 0.840 1 0.871
PK 1.379 1.148 1
Total 3.219 3.339 2.596
25
Dengan unsur-unsur pada tiap kolom dibagi dengan jumlah kolom yang
bersangkutan, akan diperoleh bobot relative yang dinormalkan. Nilai vector eigen
dihasilkan dari rata-rata bobot relative untuk setiap baris. Hasilnya dapat dilihat
pada table berikut ini:
Tabel IV.2.
Matriks Faktor Pembobotan Hirarki Untuk Semua Kriteria Yang
Dinormalkan
NORMALISASI SUM
BOBOT
NILAI %
MK PD PK
MK 0.311 0.357 0.279 0.947 0.315 31.5
PD 0.261 0.299 0.336 0.896 0.299 29.9
PK 0.428 0.344 0.385 1.157 0.386 38.6
Total 1 1 1 3 1 100
Selanjutnya Nilai Vector Eigen dikalikan dengan Matriks semula,
menghasilkan nilai untuk tiap baris, yang selanjutnya setiap nilai dibagi kembali
dengan nilai vector yang bersangkutan. Nilai rata-rata dari hasil pembagian ini
merupakan principal eigen value maksimum (λmax).
NILAI PEMBANGKIT RANDOM (R.I)
n 1 2 3 4 5 6 7 8 9 10
R.I 0 0 0,58 0,9 1,12 1,24 1,32 1,41 1,45 1,49
λmax = ((3.219*0.315)+(3.339*0.299)+(2.596*0.386))
=3,014402
CI =( λmax-n) / (n-1)
= (3,014402 – 3) / (3-1)
= 0,007201
26
CR = CI / RI
= 0,007201 / 0,58
= 0,012415
Karena CR<0,100 berarti preferensi responden adalah konsisten.
Dari hasi perhitungan pada table diatas menunjukan bahwa kriteria
penilaian kerja merupakan kriteria yang paling penting dalam keputusan
pemilihan karyawan untuk promosi jabatan menjadi prioritas ke-1 dengan nilai
bobot 38,6 %, berikutnya kriteria masa kerja menjadi prioritas ke-2 dengan nilai
bobot 31,5 %, kemudian kriteria pendidikan menjadi prioritas ke-3 dengan nilai
bobot 29,9 %
4.2.3. Perhitungan Faktor Evaluasi Untuk Kriteria Masa Kerja
Perbandingan berpasangan untuk kriteria masa kerja pada 5 alternatif
sehingga diperoleh hasil preferensi rata-rata dari 5 responden secara acak dalam
matriks resiprokal sebagai berikut:
Tabel IV.3.
Matriks Faktor Evaluasi untuk Kriteria Masa Kerja
AKUMULASI DATA RESPONDEN
K-A K-B K-C K-D K-E
K-A 1 0.871 0.699 1.148 0.699
K-B 1.148 1 1.643 0.850 0.561
K-C 1.431 0.609 1 0.871 0.871
K-D 0.871 1.176 1.148 1 0.923
K-E 1.431 1.782 1.148 1.084 1
JML 5.881 5.438 5.638 4.953 4.054
27
Keterangan :
K–A = Sucipto
K–B = Hari Gunawan
K–C = Fandi Pramono
K–D = Sentot Basuki
K–E = Nanang Riyanto
Dengan unsur-unsur pada tiap kolom dibagi dengan jumlah total pada
kolom yang bersangkutan, akan diperoleh bobot relative yang dinormalkan. Nilai
vector eigen dihasilkan dari rata-rata nilai bobot relative untuk tiap baris. Hasilnya
dapat dilihat pada table berikut :
Tabel IV.4.
Matriks Faktor Evaluasi Untuk Kriteria Masa Kerja Yang Dinormalkan
NORMALISASI SUM
BOBOT
NILAI %
K-A K-B K-C K-D K-E
K-A 0.170 0.160 0.124 0.232 0.172 0.858 0.172 17.17
K-B 0.195 0.184 0.291 0.172 0.138 0.981 0.196 19.61
K-C 0.243 0.112 0.177 0.176 0.215 0.923 0.185 18.47
K-D 0.148 0.216 0.204 0.202 0.228 0.997 0.199 19.95
K-E 0.243 0.328 0.204 0.219 0.247 1.240 0.248 24.80
Total 1 1 1 1 1 5 1 100
Selanjutnya Nilai Vector Eigen dikalikan dengan matriks semula,
menghasilkan nilai untuk tiap baris, yang selanjutnya setiap nilai dibagi kembali
dengan nilai vektor yang bersangkutan. Nilai rata-rata dari hasil pembagian ini
merupakan principal eigen maksimum (λmax).
NILAI PEMBANGKIT RANDOM (R.I)
n 1 2 3 4 5 6 7 8 9 10
R.I 0 0 0,58 0,9 1,12 1,24 1,32 1,41 1,45 1,49
28
λmax = ((5.881*0.172) + (5.438*0.196) + (5.638*0.185) + (4.953*0.199) +
(4.054*0.248))
= 5.11084
CI = ( λmax-n) / (n-1)
= (5,11084 – 5) / (5-1)
= 0.02771
CR = CI / RI
= 0,02771 / 1,12
= 0,02474
Karena CR <0,100 berarti preferensi responden adalah konsisten.
Dari hasil perhitungan pada tabel di atas diperoleh urutan prioritas untuk
kriteria masa kerja dengan alternative karyawan E dalam keputusan promosi
jabatan menjadi prioritas ke-1 dengan nilai bobot 24.80%, berikutnya alternatif
karyawan D menjadi prioritas ke-2 dengan nilai bobot 19.95%, kemudian
alternative karyawan B menjadi prioritas ke-3 dengan nilai bobot 19,61%,
kemudian alternative karyawan C menjadi prioritas ke-4 dengan nilai bobot
18.47% dan alternative karyawan A menjadi prioritas terakhir dengan nilai bobot
17.17%.
4.2.4. Perhitungan Faktor Evaluasi Untuk Kriteria Pendidikan
Perbandingan berpasangan untuk kriteria harga pada 5 alternatif sehingga
diperoleh hasil preferensi rata-rata dari 5 responden secara acak dalam matriks
resiprokal sebagai berikut:
29
Tabel IV.5.
Matriks Faktor Evaluasi Untuk Kriteria Pendidikan
AKUMULASI DATA RESPONDEN
K-A K-B K-C K-D K-E
K-A 1 1.319 1.245 0.699 0.871
K-B 0.758 1 0.660 0.384 0.561
K-C 0.803 1.515 1 0.871 0.822
K-D 1.431 2.605 1.148 1 1.431
K-E 1.148 1.782 1.216 0.699 1
JML 5.140 8.221 5.269 3.653 4.686
Keterangan :
K–A = Sucipto
K–B = Hari Gunawan
K–C = Fandi Pramono
K–D = Sentot Basuki
K–E = Nanang Riyanto
Dengan unsur-unsur pada tiap kolom dibagi dengan jumlah total pada
kolom yang bersangkutan, akan diperoleh bobot relative yang dinormalkan. Nilai
vector eigen dihasilkan dari rata-rata nilai bobot relative untuk tiap baris. Hasilnya
dapat dilihat pada table berikut :
Tabel IV.6.
Matriks Faktor Evaluasi Untuk Kriteria Pendidikan yang Dinormalkan
NORMALISASI SUM
BOBOT
NILAI %
K-A K-B K-C K-D K-E
K-A 0.195 0.160 0.236 0.191 0.186 0.968 0.194 19.37
K-B 0.147 0.122 0.125 0.105 0.120 0.619 0.124 12.39
K-C 0.156 0.184 0.190 0.238 0.176 0.944 0.189 18.89
K-D 0.278 0.317 0.218 0.274 0.305 1.392 0.278 27.85
K-E 0.223 0.217 0.231 0.191 0.213 1.076 0.215 21.51
Total 1 1 1 1 1 5 1 100
30
Selanjutnya Nilai Vector Eigen dikalikan dengan matriks semula,
menghasilkan nilai untuk tiap baris, yang selanjutnya setiap nilai dibagi kembali
dengan nilai vektor yang bersangkutan. Nilai rata-rata dari hasil pembagian ini
merupakan principal eigen maksimum (λmax).
NILAI PEMBANGKIT RANDOM (R.I)
n 1 2 3 4 5 6 7 8 9 10
R.I 0 0 0,58 0,9 1,12 1,24 1,32 1,41 1,45 1,49
λmax = ((5.140*0.194) + (8.221*0.124) + (5.269*0.189) + (3.653*0.1278 +
(4.686*0.215))
= 5,034097
CI =( λmax-n) / (n-1)
= (5,034097– 5) / (5-1)
= 0,008524
CR = CI / RI
= 0,008524 / 1,12
= 0,007611
Karena CR <0,100 berarti preferensi responden adalah konsisten.
Dari hasil perhitungan pada tabel di atas diperoleh urutan prioritas untuk
kriteria pendidikan dengan alternative karyawan D dalam keputusan promosi
jabatan menjadi prioritas ke-1 dengan nilai bobot 27.85%, berikutnya alternatif
karyawan E menjadi prioritas ke-2 dengan nilai bobot 21.51%, kemudian
alternative karyawan A menjadi prioritas ke-3 dengan nilai bobot 19.37%,
kemudian alternative karyawan C menjadi prioritas ke-4 dengan nilai bobot
18.89% dan alternative karyawan B menjadi prioritas terakhir dengan nilai bobot
12.39%.
31
4.2.5. Perhitungan Faktor Evaluasi Untuk Kriteria Penilaian Kerja
Perbandingan berpasangan untuk kriteria promosi pada 5 alternatif
sehingga diperoleh hasil preferensi rata-rata dari 5 responden secara acak dalam
matriks resiprokal sebagai berikut:
Tabel IV.7.
Matriks Faktor Evaluasi untuk Kriteria Prenilaian Kerja
AKUMULASI DATA RESPONDEN
K-A K-B K-C K-D K-E
K-A 1 1 1.643 2.861 0.871
K-B 1 1 1.515 1.643 0.758
K-C 0.609 0.660 1 0.609 0.758
K-D 0.350 0.609 1.643 1 0.758
K-E 1.148 1.319 1.319 1.319 1
JML 4.106 4.588 7.120 7.432 4.146
Keterangan :
K–A = Sucipto
K–B = Hari Gunawan
K–C = Fandi Pramono
K–D = Sentot Basuki
K–E = Nanang Riyanto
Dengan unsur-unsur pada tiap kolom dibagi dengan jumlah total pada
kolom yang bersangkutan, akan diperoleh bobot relative yang dinormalkan. Nilai
vector eigen dihasilkan dari rata-rata nilai bobot relative untuk tiap baris. Hasilnya
dapat dilihat pada table berikut :
32
Tabel IV.8.
Matriks Faktor Evaluasi Untuk Kriteria Penilaian Kerja yang Dinormalkan
NORMALISASI SUM
BOBOT
NILAI %
K-A K-B K-C K-D K-E
K-A 0.244 0.218 0.231 0.385 0.210 1.287 0.257 25.75
K-B 0.244 0.218 0.213 0.221 0.183 1.078 0.216 21.57
K-C 0.148 0.144 0.140 0.082 0.183 0.697 0.139 13.95
K-D 0.085 0.133 0.231 0.135 0.183 0.766 0.153 15.32
K-E 0.280 0.288 0.185 0.177 0.241 1.171 0.234 23.42
1 1 1 1 1 5 1 100
Selanjutnya Nilai Vector Eigen dikalikan dengan matriks semula,
menghasilkan nilai untuk tiap baris, yang selanjutnya setiap nilai dibagi kembali
dengan nilai vektor yang bersangkutan. Nilai rata-rata dari hasil pembagian ini
merupakan principal eigen maksimum (λmax).
NILAI PEMBANGKIT RANDOM (R.I)
n 1 2 3 4 5 6 7 8 9 10
R.I 0 0 0,58 0,9 1,12 1,24 1,32 1,41 1,45 1,49
λmax = ((4.106*0.257) + (4.588*0.216) + (7.120*0.139) + (7.6432*0.153) +
(4.146*0.234))
= 5,14902
CI =( λmax-n) / (n-1)
= (5,14902– 5) / (5-1)
= 0,03725
CR = CI / RI
= 0,03725/ 1,12
= 0,03326
Karena CR <0,100 berarti preferensi responden adalah konsisten.
33
Dari hasil perhitungan pada tabel di atas diperoleh urutan prioritas untuk
kriteria penilaian kerja dengan alternative karyawan A dalam keputusan promosi
jabatan menjadi prioritas ke-1 dengan nilai bobot 25.75%, berikutnya alternatif
karyawan E menjadi prioritas ke-2 dengan nilai bobot 23.42%, kemudian
alternative karyawan B menjadi prioritas ke-3 dengan nilai bobot 21.57%,
kemudian alternative karyawan D menjadi prioritas ke-4 dengan nilai bobot
15.32% dan alternative karyawan C menjadi prioritas terakhir dengan nilai bobot
13.95%.
4.3. Hasil Penilaian Akhir AHP (Analitycal Hierarchy Process)
Perbandingan berpasangan antar kriteria dan perbandingan faktor antar
alternative akan dikalikan dengan setiap pembobotan perbandingan berpasangan
antar kriteria dan perbandingan faktor antar alternatif Keputusan Promosi Jabatan
sesuai dengan kriterianya.
Contoh perhitungannya = Bobot perbandingan berpasangan antar kriteria Masa
Kerja x bobot perbandingan faktor antar alternatif
Karyawan A
= 0.315 * 0.172
= 0.054
Dengan hasil 0.054 ini merupaka dari aggregate .
34
Tabel IV.9.
Hasil Penilaian Akhir AHP (Analitycal Hierarchy Process).
Alternatif Kriteria
Bobot
Perbandingan
Faktor Antar
Kriteria
Bobot
Perbandingan
Berpasangan
Antar Alternatif
Aggregate
KARYAWAN-A
(Sucipto)
Masa Kerja (MK) 0.315 0.172 0.054
Pendidikan (PD) 0.299 0.194 0.058
Penilaian Kerja (PK) 0.386 0.257 0.099
KARYAWAN-B
(Hari Gunawan)
Masa Kerja (MK) 0.315 0.196 0.062
Pendidikan (PD) 0.299 0.124 0.037
Penilaian Kerja (PK) 0.386 0.216 0.083
KARYAWAN-C
(Fandi Pramono)
Masa Kerja (MK) 0.315 0.185 0.058
Pendidikan (PD) 0.299 0.189 0.057
Penilaian Kerja (PK) 0.386 0.139 0.054
KARYAWAN-D
(Sentot Basuki)
Masa Kerja (MK) 0.315 0.199 0.063
Pendidikan (PD) 0.299 0.278 0.083
Penilaian Kerja (PK) 0.386 0.153 0.059
KARYAWAN-E
(Nanang Riyanto)
Masa Kerja (MK) 0.315 0.248 0.078
Pendidikan (PD) 0.299 0.215 0.064
Penilaian Kerja (PK) 0.386 0.234 0.090
Berikut ini adalah hasil perhitungan pengolahan data akhir AHP (Analitycal
Hierarchy Process).
Tabel IV.10.
Hasil Perhitungan Pengolahan data Akhir AHP (Analitycal Hierarchy
Process)
HASIL PENGOLAHAN DATA AHP
GOAL MK PD PK Total RANGKING
BOBOT 0.315 0.299 0.386 100%
K-A 0.054 0.058 0.099 21.1% KE-2
K-B 0.062 0.037 0.083 18.2% KE-4
K-C 0.058 0.057 0.054 16.9% KE-5
K-D 0.063 0.083 0.059 20.5% KE-3
K-E 0.078 0.064 0.09 23.2% KE-1
Total 31.5% 29.9% 38.6% 100%
35
4.4. Hasil Implementasi Dengan Software Expert Choice 11
Hasil data-data kuesioner diinput dengan menggunakan software expert
choice 11 yang hasilnya dapat dilihat pada gambar sebagai berikut:
Gambar IV.2.
Hasil Inputan Data Responden untuk Keputusan Promosi jabatan
36
Gambar IV.3.
Hasil Inputan Data Responden untuk Kriteria Masa Kerja
Gambar IV.4.
Hasil Inputan Data Responden untuk Kriteria Pendidikan
37
Gambar IV.5.
Hasil Inputan Data Responden untuk Kriteria Penilaian Kerja
Kemudian untuk Inconsistency Ratio pada expert choice dapat dilihat pada
gambar berikut :
Gambar IV.6.
Inconsistency Ratio untuk Keputusan Promosi Jabatan
38
Gambar IV.7.
Inconsistency Ratio untuk Kriteria Masa Kerja
Gambar IV.8.
Inconsistency Ratio untuk Kriteria Pendidikan
39
Gambar IV.9.
Inconsistency Ratio untuk Kriteria Penilaian Kerja
Untuk melihat urutan prioritas terhadap Keputusan Pembelian
menggunakan expert choice 11 dapat dilihat pada gambar berikut ini:
Gambar IV.10
Grafik Performance
40
Gambar IV.11.
Grafik Head to Head
Gambar IV.12.
Grafik Gradient
41
Gambar IV.13.
Grafik Dynamic
Berdasarkan pada data diatas dapat dijelaskan bahwa kriteria yang paling
penting bagi responden Terhadap Keputusan Promosi Jabatan yakni kriteria
Penilaian Kerja sebesar 38,6%, kemudian kriteria Masa Kerja sebesar 31,5% dan
untuk kriteria Pendidikan sebesar 29,9%. Selanjutnya urutan prioritas kandidat
yang pertama Karyawan E sebesar 23,3%, yang kedua Karyawan A sebesar
21,2%, yang ketiga Karyawan D sebesar 20,5%, yang keempat Karyawan B
sebesar 18,2% dan yang terakhir Karyawan C sebesar 16,8%.