SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN DATABASE MENGGUNAKAN METODE ANALYTICAL HIERARCHY PROCESS (AHP) Sity Aisyah 1, Nawang Kalbuana 2

Transkripsi

1 Sity, Sistem Pendukung Keputusan Pemilihan 1 SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN DATABASE MENGGUNAKAN METODE ANALYTICAL HIERARCHY PROCESS (AHP) Sity Aisyah 1, Nawang Kalbuana 2 1,2 AMIK Raharja Informatika, Jl. Jend Sudirman no.40 Cikokol-Tangerang dryesha@gmail.com, nawang.kalbuana@gmail.com 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 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 2. CSRID Journal, Vol.4 No.1 Februari 2012, Hal 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 modelmodel 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 ) pada dasarnya langkah-langkah dalam metode AHP, adalah sebagai berikut :

3 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 1 Kriteria 2 Kriteria 3 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 k 11 k 12 k 13 k 14 Kriteria 1 k 21 k 22 k 23 k 24 Kriteria 1 k 31 k 32 k 33 k 34 Kriteria 1 k 41 k 42 k 43 k 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 4. CSRID Journal, Vol.4 No.1 Februari 2012, Hal 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) Penilaian Ulang Memeriksa Konsistensi Hirarki CR <= 0,1 Tidak Gambar 2. Langkah Perhitungan dalam AHP Penghitungan dengan AHP selesai 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 ) 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)

5 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 Literatur Penentuan lokasi dan variabel penelitian Menentukan kebutuhan data yang akan digunakan Pengumpulan data yang dibutuhkan Kuisioner Data Penelitian Kriteria pemilihan yang digunakan Pengelolaan alternatif yang digunakan Alternatif-alternatif database Pengolahan data dengan AHP Manual Perangkat lunak/ Aplikasi Criterium DecisionPlus Gambar 3. Desain Penelitian Pemilihan Perangkat Lunak Database Hirarki Dari Komponen Keputusan Pemilihan Database Kecepatan Akses Data Kapasitas Harga Gambar 4. Hubungan Sasaran, Kriteria, dan Alternatif dalam AHP

6 6. CSRID Journal, Vol.4 No.1 Februari 2012, Hal 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 Hasil Normalisasi Baris 15, , ,5416 = 0, , , ,5416 = 0, , , ,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 Hasil Normalisasi Baris 300, ,4267 : 986,6254 = 0, , , 8535 : 986,6254 = 0, , ,3452 : 986,6254 = 0,2852 Jumlah 986,6254 1,0000 Hitung Perbedaan nilai eigen sebelum dan sesudah nilai eigen sekarang : 0, = , = , = o Iterasi III Kuadratkan matrik di atas : x Jumlahkan nilai setiap baris dan hitung nilai normalisasinya : Jumlah Baris , , ,1760 Hasil Normalisasi ,9472 : ,5489= 0, ,4256 : ,5489= 0, ,1760 : ,5489 = 0,2867 Jumlah ,5489 1,0000

7 Sity, Sistem Pendukung Keputusan Pemilihan 7 Hitung Perbedaan nilai eigen sebelum dan sesudah nilai eigen sekarang : 0,3045 0,2989 = ,4103 0,4144 = ,2852 0,2867 = 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. Kriteria Pemilihan Database 1,00 Sasaran Kecepatan Akses Data 0,2989 Kapasitas 0,4144 Harga 0,2867 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 8. CSRID Journal, Vol.4 No.1 Februari 2012, Hal A. Kriteria : Kecepatan Akses Data o Matrik o Nilai Eigen B. Kriteria : Kapasitas o Matrik Jumlah Baris 54, , ,5000 Jumlah 349,5834 1,0000 Hasil Normalisasi 54, ,5834 = 0, , ,5834 = 0, , ,5834 = 0,5936 o Nilai Eigen C. Kriteria : Harga o Matrik Jumlah Baris 51, , ,5000 Hasil Normalisasi 51, ,6500 = 0, , ,6500 = 0, , ,6500 = 0,7088 Jumlah 460,6500 1,0000 o Nilai Eigen Jumlah Baris 80, , ,4683 Hasil Normalisasi 80, ,3878 = 0, , ,3878 = 0, , ,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, MySQL 0, Oracle 0,5936 Ranking Alternatif Nilai Eigen Kapasitas 3 SQL Server 0, MySQL 0, Oracle 0,7088 Ranking Alternatif Nilai Eigen Harga 2 SQL Server 0, MySQL 0, Oracle 0,7927

9 Sity, Sistem Pendukung Keputusan Pemilihan 9 Pemilihan Database 1,00 Kecepatan Akses Data 0,2989 Kapasitas 0,4144 Harga 0,2867 (0,1571) (0,2493) (0,5936) (0,1126) (0,1787) (0,7088) (0,1312) (0,0760) (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, Oracle : 0,6984 MySQL : 0, MySQL : 0,1704 Oracle : 0, 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 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 CR <= 0.1 : Konsisten 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 10. CSRID Journal, Vol.4 No.1 Februari 2012, Hal 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

11 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 12. CSRID Journal, Vol.4 No.1 Februari 2012, Hal 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

13 Sity, Sistem Pendukung Keputusan Pemilihan 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, 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 permasalahan, yaitu bisa menentukan perangkat lunak database yang akan digunakan dengan kriteria tertentu. DAFTAR RUJUKAN Amborowati, Armadyah 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 Evaluation of customer oriented success factors in mobile commerce using fuzzy AHP. Journal of Industrial Engineering and Management,Vol. 4 No. 2 pp

14 14. CSRID Journal, Vol.4 No.1 Februari 2012, Hal Marimin Teknik dan Aplikasi Pengambilan Keputusan Kriteria Majemuk. PT Grasindo, Jakarta. Marimin, Maghfiroh, Nurul Aplikasi Teknik Pengambilan Keputusan dalam Manajemen Rantai Pasok. Penerbit IPB Press, Bogor. Saaty, T.L Decision Making For Leaders. Forth edition, University of Pittsburgh, RWS Publication. Saaty, T.L Multicriteria Decision Making: The Analytic Hierarchy Process. University of Pittsburgh, RWS Publication, Pittsburgh Suryadi, Kadarsah, Ali Ramdhani Sistem Pendukung Keputusan : Suatu Wacana Struktural Idealisasi dan Implementasi Konsep Pengambilan Keputusan. Bandung : PT.Remaja Rosdakarya. Tintri, Dharma E.Sudarsono Penerapan Analytical Hierarchy Process untuk Pemilihan Metode Audit PDE oleh audit internal. Jakarta. Triantaphyllou, Evangelos 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