Kata Kunci : UTR, Pemilihan Vendor, MADM, TOPSIS, FAHP

Transkripsi

1 Analisis dan Ipleentasi Siste Rekoendasi Peilihan Vendor untuk Pengadaan Alat Menggunakan Metode Technique for Order Preference by Siilarity to Ideal Solution (TOPSIS) dan Fuzzy AHP (Studi Kasus: PT Universal Tekno Reksajaya) Agustian Rahan, Eko Darwiyanto, M.T. 2, Danang Junaedi, M.T. 3, 2, 3 Prodi S Teknik Inforatika Fakultas Inforatika Universitas Telko agustianrahan@gail.co, 2 ekodarwiyanto@ telkouniversity.ac.id, 3 danangjunaedi@gail.co Abstrak PT Universal Tekno Reksajaya (UTR) erupakan perusahaan yang bergerak di bidang rekondisi dan peeliharaan koponen alat berat. Dala endukung dan efasilitasi bisnis yang akan dijalankan, UTR eerlukan alat-alat yang sesuai dengan kebutuhan. UTR bekerja saa dengan vendor-vendor dan akan enunjuk sebuah vendor untuk enjain ketersediaan alat yang akan digunakan. Pengabilan keputusan yang dilakukan oleh UTR yaitu berfokus dengan eilih vendor yang enawarkan harga terendah. Naun, eilih vendor berdasarkan penawaran harga terendah sudah tidak efisien lagi dan kurang aksial karena tidak terdapat konsistensi dala penggunaan kriteria peilihan vendor. Oleh karena itu, UTR harus teliti dan berhatihati dala enentukan prioritas antar kriteria yang ada agar pengabilan keputusan tepat sasaran sesuai dengan tujuan perusahaan dan tidak enyebabkan kerugian bagi perusahaan. Pada penelitian ini digunakan pendekatan Multiple Attribute Decision Making (MADM) dala eilih vendor dengan enetapkan alternatif terbaik berdasarkan beberapa kriteria tertentu. Metode yang digunakan dala enyelesaikan perasalahan ini adalah Technique for Order Preference by Siilarity to Ideal Solution (TOPSIS) karena dapat eperhitungkan seua jenis kriteria (subjektif atau objektif) dengan prinsip bahwa alternatif yang terpilih harus epunyai jarak terdekat dari solusi ideal untuk enentukan kedekatan relatif dari suatu alternatif dengan solusi optial. Bobot pada setiap kriteria dihitung dengan etode Fuzzy Analytical Hierarchy Process (FAHP) yaitu pengebangan etode AHP dengan logika fuzzy yang epertibangkan adanya ketidakpastian dan keraguan serta einialisir penilaian subjektif terhadap tingkat kepentingan kriteria yang ditetapkan oleh pebuat keputusan, dengan adanya interval pada setiap peringkat. Perhitungan bobot yang dihasilkan oleh siste hasil noralisasi kriteria dan subkriteria adalah gudang dengan bobot 0,0740, antar barang dengan bobot 0,0740, harga dengan bobot 0,365, lead tie dengan bobot 0,707, fungsi alat dengan bobot 0,882, kondisi alat dengan bobot 0,882, spare part dengan bobot 0,0748, dan warranty dengan bobot 0,0936. Hasil pengujian akurasi keseluruhan data dengan julah alternatif 2 vendor enghasilkan tingkat akurasi 78,%, pengujian keseluruhan data dengan julah alternatif 3 vendor enghasilkan tingkat akurasi 8,9%, dan pengujian keseluruhan data dengan julah alternatif 4 vendor enghasilkan tingkat akurasi 80%. Rata-rata tingkat akurasi dari keseluruhan pengujian yang dilakukan adalah sebesar 80%. Bobot yang dihasilkan oleh etode AHP tidak saa dengan yang dihasilkan FAHP, naun keduanya eiliki tingkat prioritas yang saa, hal ini ebuat perangkingan yang dilakukan oleh TOPSIS dengan bobot AHP aupun FAHP enghasilkan urutan yang saa. Kata Kunci : UTR, Peilihan Vendor, MADM, TOPSIS, FAHP Abstract PT Universal Tekno Reksajaya (UTR) is a copany specialized in recondition and aintenance of heavy equipent coponents. Support and facilitate the business to be executed, UTR require tools that are needed. UTR cooperate with vendors and would choose a vendor to ensure the availability of a tool. Decision-aking by UTR is focused by choosing a vendor who offers the lowest price. However, choosing a vendor based on the lowest price offer is not efficient, and less than the axiu because there is no consistency in the use of vendor selection criteria. Therefore, UTR ust be thorough and careful in deterining the priorities aong the existing criteria in order to target the right decision in accordance with the objectives of the copany and doesn t cause any loss to the copany. In this study used the approach of Multiple Attribute Decision Making (MCDM) in selecting vendors to define the best alternative based on certain criteria. The ethod used in solving this proble is the Technique for Order Preference by Siilarity to Ideal Solution (TOPSIS) because it can take into account all kinds of criteria (subjective or objective) with the principle that the alternatives selected ust have the shortest distance fro the ideal solution for deterining the relative proxiity of a alternative to the optial solution. Weight to each criterion was calculated by Fuzzy Analytical Hierarchy Process (FAHP) is the developent of AHP with fuzzy logic that considers the uncertainty and doubt and iniize subjective ratings of the level of interest of the criteria established by the decision aker, with intervals at every rank. Weight calculation generated by the syste of criteria and sub-criteria noralized result is a warehouse with weights , dropping off ite with weights , price with weights 0.365, lead tie with weights

2 0.707, tool functions with weights 0.882, condition of the tool with weights 0.882, parts with weights , and warranty with weights Results of testing the overall accuracy of the data with an alternative 2 vendor generates 78.% accuracy rate, overall testing of data with an alternative 3 vendor generates accuracy rate of 8.9%, and overall testing of data with an alternative 4 vendor generates 80% accuracy rate. Average accuracy rate of the overall testing perfored is 80%. The weights generated by AHP ethod is not sae as that generated by FAHP ethod, but both have the sae priority level, it akes a ranking conducted by TOPSIS with weights AHP and FAHP generates the sae sequence. Keywords : UTR, Vendor Selection, MADM, TOPSIS, FAHP. Pendahuluan PT Universal Tekno Reksajaya (UTR) erupakan anak perusahaan dari PT United Tractors Tbk dan terasuk dala salah satu bagian dari grup Astra Heavy Equipent, Pertabangan dan Energi (AHEME). UTR bergerak di bidang rekondisi dan peeliharaan koponen alat berat. Perusahaan ini ebuat koponen reusable dengan kualitas kedudukan yang setara dan dala kesetibangan dengan produk baru yang dihasilkan. UTR enyatakan bahwa ereka akan ebantu untuk enekan pengeluaran operasional pelanggan perusahaan (dala hal ini, para pengguna alat berat) []. Dala endukung dan efasilitasi bisnis yang akan dijalankan, UTR eerlukan alat-alat yang sesuai dengan kebutuhan. UTR bekerja saa dengan vendor-vendor untuk enjain ketersediaan alat yang akan digunakan. UTR akan enunjuk sebuah vendor untuk elaksanakan pengadaan alat yang endukung dan efasilitasi bisnis yang akan dijalankan oleh UTR. Peilihan vendor adalah aktivitas penting di dala perusahaan karena dapat eningkatkan daya saing perusahaan. Naun, pengabilan keputusan yang dilakukan oleh UTR yaitu dengan eilih vendor yang enawarkan harga yang lebih rendah guna enekan biaya produksi. Dala hal ini, peilihan vendor yang berdasarkan penawaran harga yang rendah sudah tidak efisien lagi dan kurang optial. Untuk endapatkan kinerja yang aksial harus enggabungkan dan epertibangkan kriteria lain yang relevan dengan tujuan perusahaan [2]. Pengabilan keputusan peilihan vendor yang saat ini dijalankan oleh UTR asih bersifat intuisi, hal ini disebabkan karena UTR kesulitan dala enentukan proses penentuan prioritas peilihan vendor karena data yang diiliki UTR tidak epunyai patokan bobot pada kriteria peilihan vendor dan tidak ebandingkan antara kriteria yang satu dengan lainnya, sehingga vendor yang seharusnya tidak diprioritaskan terpilih untuk elaksanakan pengadaan alat dan vendor yang seharusnya diprioritaskan tidak terpilih untuk elaksanakan pengadaan alat. Selain itu, terdapat beberapa pilihan alternatif vendor yang dapat dipilih, diana vendor tersebut eiliki kelebihan dan keleahan berdasarkan kriteria-kriteria yang terdapat pada asingasing vendor yang digunakan untuk peilihan vendor sebagai pelaksana pengadaan alat. Kurang tepatnya peilihan vendor sebagai pelaksana pengadaan alat dapat enyebabkan kerugian bagi perusahaan, sehingga dala hal ini perusahaan harus teliti dan berhati-hati dala engabil keputusan. Pada penelitian ini digunakan Multi Criteria Decision Making (MCDM) untuk ebantu pengabil keputusan dala eilih vendor dengan enetapkan alternatif terbaik dari sejulah alternatif berdasarkan beberapa kriteria tertentu. Berdasarkan tujuan yang hendak dicapai pada penelitian ini engaplikasikan odel Multiple Attribute Decision Making (MADM) yang erupakan satu dari dua bentuk dasar odel MCDM. Dala elakukan peilihan vendor terdapat beberapa kriteria yang dapat epengaruhi terhadap pengabilan keputusan. Kriteria-kriteria tersebut antara lain facility, quality, reputation, dan specification. Pada perasalahan MADM, banyak kriteria yang digunakan untuk pengabilan keputusan, aka diperlukan etode yang dapat enangani asalah ultikriteria tersebut, salah satunya dengan etode Technique for Order Preference by Siilarity to Ideal Solution (TOPSIS). Keuntungan utaa dari TOPSIS dibanding dengan etode MADM lainnya dala pengabilan keputusan asalah yang kopleks adalah dapat eperhitungkan seua jenis kriteria (subjektif atau objektif), logika rasional dan udah dipahai bagi para praktisi, perhitungan proses sangat udah, konsep eungkinkan engejar kriteria alternatif terbaik digabarkan dala ateatika secara sederhana dan bobot penting dapat diasukkan dengan udah [3]. Tetapi, etode TOPSIS hanya dapat diipleentasikan untuk kriteria yang bobotnya sudah diketahui atau dihitung sebelunya [4]. Oleh karena itu, digunakan etode Analytical Hierarchy Process (AHP) untuk enghitung dan eberi bobot berdasarkan pada kriteria yang sudah ditetapkan. AHP erupakan etode yang eperhatikan faktor-faktor subjektifitas seperti persepsi, preferensi, pengalaan dan intuisi. AHP adalah prosedur yang berbasis ateatis untuk engevaluasi kriteria-kriteria tersebut dan eperhitungkan validitas data dengan adanya batas toleransi inkonsistensi berbagai kriteria yang dipilih. Walaupun etode AHP lebih banyak digunakan dala ebangun sebuah siste pengabil keputusan, naun etode ini eiliki kekurangan, yaitu tidak epertibangkan adanya ketidakpastian dan keraguan dala pengabilan keputusan [5]. Oleh karena itu, dilakukan penggabungan dengan pendekatan konsep fuzzy yang disebut Fuzzy Analytical Hierarchy Process (FAHP). Metode FAHP digunakan karena etode ini epertibangkan adanya ketidakpastian dan keraguan serta einialisir penilaian subjektif terhadap tingkat kepentingan kriteria yang ditetapkan oleh pebuat keputusan, dengan adanya interval pada setiap peringkat, sehingga dapat digunakan untuk pengabilan keputusan suatu asalah

3 yang kopleks atau ultikriteria [6]. Setelah itu, TOPSIS digunakan dala elakukan perangkingan alternatif vendor berdasarkan kriteria yang telah diproses nilai bobotnya enggunakan etode FAHP. 2. Tinjauan Pustaka 2. Multi Criteria Decision Making (MCDM) Zierann [7] engeukakan bahwa Multi Criteria Decision Making (MCDM) adalah suatu etode pengabilan keputusan untuk enetapkan alternatif terbaik dari sejulah alternatif berdasarkan beberapa kriteria tertentu. Kriteria biasanya berupa ukuran-ukuran, aturan-aturan atau standar yang digunakan dala pengabilan keputusan. Berdasarkan tujuannya, MCDM dapat dibagi dua odel yaitu Multi Attribute Decision Making (MADM) dan Multi Objective Decision Making (MODM). 2.2 Technique for Order Preference by Siilarity to Ideal Solution (TOPSIS) Technique For Others Reference by Siilarity to Ideal Solution (TOPSIS) adalah salah satu etode pengabilan keputusan ultikriteria yang pertaa kali diperkenalkan oleh Yoon dan Hwang pada tahun 98 [9]. TOPSIS adalah suatu etode yang dapat digunakan dala Multiple Attribute Decision Making (MADM) [9]. TOPSIS enggunakan prinsip bahwa alternatif yang terpilih harus epunyai jarak terdekat dari solusi ideal positif dan terjauh dari solusi ideal negatif untuk enentukan kedekatan relatif dari suatu alternatif dengan solusi optial [4]. Langkah-langkah perhitungan dari etode TOPSIS adalah sebagai berikut [, 0]:. Menghitung atriks ternoralisasi enggunakan persaaan (2.) sebagai berikut: r ij = X ij X 2 i= ij (2.) i =, 2, 3,, ; j =, 2, 3,, n r ij = atriks ternoralisasi x ij = nilai rating kinerja alternatif i untuk kriteria j 2. Menghitung atriks ternoralisasi terbobot enggunakan persaaan (2.2) sebagai berikut: v ij = w j r ij (2.2) i =, 2, 3,, ; j =, 2, 3,, n v ij = atriks ternoralisasi terbobot w j = bobot kriteria r ij = atriks ternoralisasi 3. Menghitung atriks solusi ideal positif (A ) enggunakan persaaan (2.3) dan atriks solusi ideal negatif (A ) enggunakan persaaan (2.4) sebagai berikut: A = (v, v 2.., v j ) { ax j v ij j ε J in j v ij j ε J } (2.3) i =, 2, 3,, A = (v, v 2, v j ) { in j v ij j ε J ax j v ij j ε J } (2.4) i =, 2, 3,, J = atribut benefit J = atribut cost v j = nilai solusi ideal positif v j = nilai solusi ideal negatif Atribut benetif atau keuntungan adalah atribut yang saat nilainya akin tinggi, aka dinilai seakin baik. Sebaliknya, atribut cost atau biaya adalah atribut yang saat nilainya akin tinggi aka dinilai seakin buruk. 4. Menentukan jarak antara nilai setiap alternatif dengan atriks solusi ideal positif (S i ) enggunakan persaaan (2.5) dan atriks solusi ideal negatif (S i ) enggunakan persaaan (2.6) sebagai berikut:

4 S i = n (v ij v j ) 2 j= (2.5) i =, 2, 3,, S i = n (v ij v j ) 2 j= (2.6) i =, 2, 3,, S i = jarak alternatif dari solusi ideal positif S i = jarak alternatif dari solusi ideal negatif v ij = nilai terbobot v j = nilai solusi ideal positif v j = nilai solusi ideal negatif 5. Menghitung kedekatan relatif terhadap solusi ideal enggunakan persaaan (2.7) sebagai berikut: C i = S i S i + Si, 0 C i (2.7) i =, 2, 3,, C i = kedekatan relatif terhadap solusi ideal S i = jarak alternatif dari solusi ideal positif S i = jarak alternatif dari solusi ideal negatif 6. Meranking alternatif Mebuat peringkat bedasarkan alternatif dengan nilai C i terbesar hingga terkecil. Alternatif yang epunyai nilai C i terbesar erupakan alternatif terbaik. 2.3 Analytical Hierarchy Process (AHP) Analytical Hierarchy Process (AHP) yang dikebangkan oleh Thoas L. Saaty erupakan suatu etode dala peilihan alternatif-alternatif dengan elakukan penilaian koparatif berpasangan sederhana yang digunakan untuk engebangkan prioritas-prioritas secara keseluruhan berdasarkan ranking. AHP adalah prosedur yang berbasis ateatis yang sangat baik dan sesuai untuk evaluasi atributatribut kualitatif. Atribut-atribut tersebut secara ateatik dikuantitatif dala satu set perbandingan berpasangan, yang keudian digunakan untuk engebangkan prioritas-prioritas secara keseluruhan untuk penyusunan alternatif-alternatif pada urutan ranking atau prioritas. Ada beberapa prinsip yang harus dipahai dala enyelesaikan persoalan dengan AHP, diantaranya adalah decoposition, coparative judgeent, synthesis of priority, dan logical consistency [7]. Secara uu langkah-langkah yang harus dilakukan dala enggunakan AHP untuk peecahan suatu asalah adalah sebagai berikut [8]:. Mendefinisikan asalah dan enentukan solusi yang diinginkan, selanjutnya enentukan hierarki dari perasalahan yang dihadapi. Penyusunan hierarki dilakukan dengan cara enetapkan tujuan yang erupakan sasaran siste pada level teratas, seperti terlihat pada Gabar Menentukan prioritas eleen. Gabar 2. Model Struktur Hierarki [7]

5 Hal yang dilakukan dala langkah ini adalah: a. Mebuat perbandingan yang berpasangan, yaitu ebandingkan eleen secara berpasangan sesuai kriteria yang diberikan. b. Matriks perbandingan berpasangan diisi enggunakan bilangan untuk epresentasikan kepentingan relatif dari suatu eleen terhadap eleen yang lainnya yaitu dengan skala Saaty ulai dari bobot sapai 9, seperti terlihat pada Tabel 2.. Tabel 2. Skala AHP Saaty [9] Tingkat Kepentingan Definisi AHP Kedua eleen saa penting 3 Eleen yang satu sedikit lebih penting daripada yang lainnya 5 Eleen yang satu lebih penting daripada yang lainnya 7 Satu eleen jelas lebih penting dari eleen lainnya 9 Satu eleen utlak lebih penting dari eleen lainnya 2,4,6,8 Nilai diantara dua nilai yang berdekatan (pertengahan) Kebalikan Jika alternatif dibandingkan dengan alternatif 2 nilainya x, aka alternatif 2 dibandingkan dengan alternatif nilainya /x 3. Sintesis. Pertibangan-pertibangan terhadap perbandingan berpasangan disintesis untuk eperoleh keseluruhan prioritas. Hal yang dilakukan dala langkah ini adalah: a. Menjulahkan nilai-nilai dari setiap kolo atriks. b. Mebagi setiap nilai dari kolo dengan total kolo yang bersangkutan untuk eperoleh noralisasi atriks. c. Menjulahkan nilai-nilai dari setiap baris dan ebaginya dengan julah eleen untuk endapat nilai rata-rata. 4. Mengukur konsistensi. Dala pebuatan keputusan perlu diketahui seberapa baik konsistensi yang akan ada, karena jika tidak enginginkan keputusan berdasarkan kepentingan dengan konsistensi yang rendah. Hal yang harus dilakukan dala langkah ini yaitu: a. Kalikan nilai pada kolo pertaa dengan prioritas relatif eleen pertaa, lalu nilai pada kolo kedua dengan prioritas relatif eleen yang kedua, dan seterusnya. b. Julahkan setiap baris. c. Hasil dari penjulahan baris dibagi dengan eleen prioritas relatif yang bersangkutan. d. Julahkan hasil bagi di atas dan dibagi dengan banyaknya eleen yang ada, dan hasilnya disebut lada aks (λ aks). 5. Hitung Indeks Konsistensi (CI). Perhitungan indeks konsistensi dapat dilihat pada persaaan (2.8). CI = λ aks n n (2.8) CI = rasio penyipangan (deviasi) konsistensi (consistency index) λ aks = nilai eigen aksiu n = ukuran atriks 6. Hitung Rasio Konsistensi (CR). Perhitungan rasio konsistensi dapat dilihat pada persaaan (2.9). CR = CI RI (2.9) CR = rasio konsistensi CI = rasio penyipangan (deviasi) konsistensi (consistency index) RI = rando indeks

6 Apabila CI bernilai nol, berarti atriks konsisten, batas ketidakkonsistensi (inconsistency) yang ditetapkan Saaty diukur dengan enggunakan rasio konsistensi (CR), yakni perbandingan indeks konsistensi dengan nilai rando indeks (RI) yang diperlihatkan seperti pada Tabel 2.2. Tabel 2.2 Nilai Rando Index Saaty [9] n, RI 0,00 0,58 0,90,2,24,32,4,45,49,5,48,56,57,59 7. Meeriksa konsistensi hierarki. Jika nilainya lebih dari 0%, aka penilaian data judgeent harus diperbaiki. Suatu atriks perbandingan berpasangan dinyatakan konsisten apabila nilai consistency ratio (CR) 0% [9]. 2.4 Fuzzy Analytical Hierarchy Process (FAHP) FAHP erupakan gabungan etode AHP dengan pendekatan konsep fuzzy [2]. FAHP enutupi keleahan yang terdapat pada AHP, yaitu perasalahan terhadap kriteria yang eiliki sifat subjektif lebih banyak. Ketidakpastian bilangan direpresentasikan dengan urutan skala. Penentuan derajat keanggotaan FAHP yang dikebangkan oleh Chang (996) enggunakan fungsi keanggotaan segitiga atau Triangular Fuzzy Nuber (TFN) [22], seperti terlihat pada Gabar 2.2. Gabar 2.2 Triangular Fuzzy Nuber [22] Perbedaannya dengan AHP adalah ipleentasi bobot perbandingan berpasangan di dala atriks perbandingan, yakni diwakili oleh tiga variabel (a, b, c) atau (l,, u) diana l u, l adalah nilai terendah, adalah nilai tengah, dan u adalah teratas. Pendekatan yang dilakukan pada etode ini adalah dengan elakukan fuzzifikasi pada skala AHP sehingga diperoleh skala baru yang disebut skala fuzzy AHP. Chang [22], endefinisikan nilai intensitas AHP ke dala skala fuzzy segitiga yaitu ebagi tiap hipunan fuzzy dengan dua, kecuali untuk intensitas kepentingan satu. Skala fuzzy segitiga yang digunakan Chang dapat dilihat pada Tabel 2.3. Intensitas Kepentingan AHP Tabel 2.3 Skala Triangular Fuzzy Nuber [22] Hipunan Linguistik Triangular Fuzzy Nuber (TFN) Reciprocal (Kebalikan) Perbandingan eleen yang saa (Just Equal) (,, ) (,, ) 2 Pertengahan (Interediate) (/2,, 3/2) (2/3,, 2) 3 Eleen satu cukup penting dari yang lainnya (Moderately Iportant) (, 3/2, 2) (/2, 2/3, ) 4 Pertengahan (Interediate) eleen satu lebih cukup penting dari yang lainnya (3/2, 2, 5/2) (2/5, /2, 2/3) 5 Eleen satu kuat pentingnya dari yang lain (Strongly Iportant) (2, 5/2, 3) (/3, 2/5, /2) 6 Pertengahan (Interediate) (5/2, 3, 7/2) (2/7, /3, 2/5) 7 Eleen satu lebih kuat pentingnya dari yang lain (Very Strong) (3, 7/2, 4) (/4, 2/7, /3) 8 Pertengahan (Interediate) (7/2, 4, 9/2) (2/9, /4, 2/7) 9 Eleen satu utlak lebih penting dari eleen lainnya (Extreely Strong) (4, 9/2, 9/2) (2/9, 2/9, /4) Chang [22], endefinisikan langkah-langkah penyelesaian FAHP sebagai berikut:

7 . Mebuat struktur hierarki asalah dan ebuat atriks perbandingan berpasangan enggunakan skala TFN pada Tabel Menentukan nilai sintesis fuzzy (S i ) prioritas dengan enggunakan persaaan (2.0) sebagai berikut: S i = j j= M i n j i= j= M i dengan S i = nilai sintesis fuzzy i = baris j = kolo (2.0) Untuk eperoleh j=, yaitu dengan enggunakan persaaan (2.) berikut: M j i = M i j j= j= l j, j= j, j= u j (2.) dengan j= l j = julah sel pada kolo atriks nilai lower j= j = julah sel pada kolo atriks nilai edian j= u j = julah sel pada kolo atriks nilai upper Sedangkan untuk eperoleh n j i= j= M i, yaitu dengan enggunakan persaaan (2.2) berikut: n j j= j= M i = n u i, n i, n i= i= i= l i (2.2) dengan j= l i = julah sel pada baris atriks nilai lower j= i = julah sel pada baris atriks nilai edian j= u i = julah sel pada baris atriks nilai upper 3. Menentukan nilai vektor (V) dengan enggunakan persaaan (2.3) dan nilai ordinat defuzzifikasi (d ) dengan enggunakan persaaan (2.5) di bawah ini: if 2 V = (M 2 M ) = { 0 if l l u u 2 } (2.3) 2 ( 2 u 2 ) ( l ), lainnya Jika hasil nilai fuzzy lebih besar dari k, M i (i =, 2,..., k) aka nilai vektor dapat didefinisikan dengan enggunakan persaaan (2.8) sebagai berikut: V (M M, M 2,, M k ) = V (M M ) dan V = (M M 2 ) dan V(M M k ) = in V(M M i ) (2.4) V = nilai vektor M = atriks nilai sintesis fuzzy l = nilai lower = nilai edian u = nilai upper Asusikan bahwa: d (A i ) = in V(S i S k ) (2.5) d = nilai ordinat defuzzifikasi S i = nilai sintesis fuzzy satu S k = nilai sintesis fuzzy lainnya

8 untuk k =, 2,...n; k i, aka diperoleh nilai bobot vektor seperti terlihat pada persaaan (2.6). W = (d (A ), d (A 2 ),, d (A n )) T (2.6) dengan A i =,2,..n adalah n eleen keputusan 4. Noralisasi nilai bobot fuzzy (W) dihitung dengan enggunakan persaaan (2.7). W = (d (A ), d(a 2 ),, d(a n )) T (2.7) dengan W adalah bilangan non-fuzzy 2.5 Pengukuran Ketepatan Akurasi Mean Absolute Error (MAE) digunakan untuk enghitung tingkat akurasi atau besar error hasil prediksi dari siste terhadap rangking sebenarnya yang user berikan terhadap suatu ite, seperti pada persaaan (2.8) sebagai berikut [9]: n MAE = f i y i i= (2.8) f i f i = urutan prediksi dari siste y i = urutan prediksi dari data sebelu siste Cara enghitung akurasi dari MAE yaitu dengan persaaan (2.9) berikut: Akurasi = MAE (2.9) 3. Analisis dan Perancangan Dala suatu penelitian dibutuhkan langkah-langkah peecahan perasalahan yang sisteatis. Adapun langkah-langkah peecahan asalah yang digunakan dala penelitian ini dapat dilihat pada Gabar 3. sebagai berikut:

9 Mulai Observasi, Diskusi, dan Wawancara Studi Literatur Peruusan Masalah dan Penentuan Tujuan AHP Menentukan kriteria yang akan digunakan Mebuat atriks perbandingan berpasangan dan Melakukan analisis tingkat prioritas antar kriteria dengan skala Saaty (-9) Melakukan pengecekan uji konsistensi dari atriks perbandingan berpasangan Tidak CR 0% Ya Mendapatkan bobot kepentingan tiap kriteria F-AHP Mentransforasikan atriks perbandingan berpasangan enggunakan skala TFN Menghasilkan bobot kriteria dari atriks perbandingan berpasangan TOPSIS Melakukan perhitungan nilai alternatif untuk kriteria pada atriks ternoralisasi Melakukan perankingan Berdasarkan alternatif dengan kedekatan relatif terhadap solusi ideal dan enghasilkan rekoendasi alternatif terbaik Selesai Gabar 3. Deskripsi Alur Kerja Siste 4. Ipleentasi dan Pengujian 4. Bobot Kriteria dan Subkriteria Adapun hasil proses pebobotan pada kriteria dan subkriteria dengan enggunakan etode AHP dan FAHP, seperti terlihat pada Tabel 4.. No Kriteria Bobot FAHP Tabel 4. Bobot Kriteria dan Subkriteria Bobot AHP Facility 0,480 0,292 2 Specification 0,3072 0, Quality 0,3765 0, Reputation 0,684 0,792 Julah Subkriteria Bobot Julah Gudang 0,5000 Antar Barang 0,5000 Harga 0,4444 Lead Tie 0,5556 Fungsi Alat 0,5000 Kondisi Alat 0,5000 Ketersediaan Spare Part 0,4444 Warranty 0, Perankingan dan Rekoendasi Perangkingan dilakukan dengan elakukan percobaan terhadap 2 vendor, 3 vendor dan 4 vendor. Perankingan dengan elakukan percobaan terhadap julah vendor yang berbeda disesuaikan dengan kebutuhan untuk pengadaan alat yang terdapat pada UTR, sehingga dapat diketahui nilai perbandingan perankingan dari asing-asing alat dengan julah vendor yang berbeda. Contoh perankingan 2 vendor yang dilakukan yaitu terhadap alat Torque Multiplier 6202, seperti terlihat pada Tabel 4.2.

10 Tabel 4.2 Hasil Perankingan 2 Vendor pada Alat Torque Multiplier 6202 No Alternatif Vendor C i dan FAHP dan AHP Pria Utaa Tehnik C 0,640 0,674 2 Ekataa Putra Perkasa C 2 0, , Berdasarkan hasil perankingan pada Tabel 4.2 di atas diperoleh rekoendasi atau keputusan bahwa vendor C (Pria Utaa Tehnik) yang akan dijadikan tepat untuk elakukan pengadaan alat karena eiliki nilai yang terbaik. Contoh perankingan 2 vendor yang dilakukan yaitu terhadap alat Nozzle Tester EFED 60, seperti terlihat pada Tabel 4.3. Tabel 4.3 Hasil Perankingan 2 Vendor pada Alat Nozzle Tester EFED 60 No Alternatif Vendor C i dan FAHP dan AHP Pria Utaa Tehnik C 0, , Citra Bintang Makur C 2 0,5205 0,55 Berdasarkan hasil perankingan pada Tabel 4.3 di atas diperoleh rekoendasi atau keputusan bahwa vendor C 2 (Citra Bintang Makur) yang akan dijadikan tepat untuk elakukan pengadaan alat karena eiliki nilai yang terbaik. Contoh perankingan 3 vendor yang dilakukan yaitu terhadap alat Polesh Machine SPM, seperti terlihat pada Tabel 4.4. Tabel 4.4 Hasil Perankingan 3 Vendor pada Alat Polesh Machine SPM No Alternatif Vendor C i dan FAHP dan AHP Wujud Raa Abadi C 0,8539 0, Elang Kurnia Sakti C 2 0, , Plastikaa Teknologi Industri C 3 0, ,573 3 Berdasarkan hasil perankingan pada Tabel 4.4 di atas diperoleh rekoendasi atau keputusan bahwa vendor C (Wujud Raa Abadi) yang akan dijadikan tepat untuk elakukan pengadaan alat karena eiliki nilai yang terbaik. Contoh perankingan 4 vendor yang dilakukan yaitu terhadap alat Cheical, seperti terlihat pada Tabel 4.5. No Alternatif Vendor C i Tabel 4.5 Hasil Perankingan 4 Vendor pada Alat Cheical dan FAHP dan AHP Wujud Raa Abadi C 0, , Elang Kurnia Sakti C 2 0, , Gaa Tritunggal C 3 0,9454 0, Plastikaa Teknologi Industri C 4 0, , Berdasarkan hasil perankingan pada Tabel 4.5 di atas diperoleh rekoendasi atau keputusan bahwa vendor C 3 (Gaa Tritunggal) yang akan dijadikan tepat untuk elakukan pengadaan alat karena eiliki nilai yang terbaik. 4.3 Pengujian Pengujian tingkat akurasi dilakukan pada perankingan yang dihasilkan oleh siste dengan perankingan yang dihasilkan oleh pebuat keputusan di UTR. Hasil pengujian 2 vendor pada alat Torque Multiplier 6202 dapat dilihat pada Tabel 4.6. Tabel 4.6 Hasil Pengujian Akurasi Alat Torque Multiplier 6202 Menggunakan Metode Hasil Perbandingan Perankingan Nilai Absolute Tanpa Menggunakan Metode

11 Naa Vendor ( fi-yi ) Naa Vendor (fi) (yi) Pria Utaa Tehnik 0 Pria Utaa Tehnik Ekataa Putra Perkasa 2 0 Ekataa Putra Perkasa 2 Julah 3 0 Julah 3 Berdasarkan Tabel 4.6 di atas diperoleh hasil julah nilai absolutnya, aka selanjutnya yaitu enghitung error dengan enggunakan persaaan (2.8) dan encari nilai tingkat keakuratan dengan enggunakan persaaan (2.9). MAE = 0 3 = 0 Akurasi = 0 = Dari hasil perhitungan tersebut, diperoleh nilai tingkat keakuratan hasil perankingan adalah sebesar 00%. Hasil pengujian 2 vendor pada alat Nozzle Tester EFED 60 dapat dilihat pada Tabel 4.7. Tabel 4.7 Hasil Pengujian Akurasi Alat Nozzle Tester EFED 60 Hasil Perbandingan Perankingan Menggunakan Metode Tanpa Menggunakan Metode Nilai Absolute Naa Vendor ( fi-yi ) Naa Vendor (fi) (yi) Citra Bintang Makur Citra Bintang Makur 2 Pria Utaa Tehnik 2 Pria Utaa Tehnik Julah 3 2 Julah 3 Berdasarkan Tabel 4.7 di atas diperoleh hasil julah nilai absolutnya, aka selanjutnya yaitu enghitung error dengan enggunakan persaaan (2.8) dan encari nilai tingkat keakuratan dengan enggunakan persaaan (2.9). MAE = 2 3 = 0,67 Akurasi = 0,67 = 0,33 Dari hasil perhitungan tersebut, diperoleh nilai tingkat keakuratan hasil perankingan adalah sebesar 33%. Dari kedua hasil pengujian tingkat keakuratan hasil perankingan pada 2 vendor, aka rata-rata nilai tingkat keakuratan hasil perankingan adalah sebesar 66,5%. Hasil pengujian 3 vendor pada alat Polesh Machine SPM dapat dilihat pada Tabel 4.8. Tabel 4.8 Hasil Pengujian Akurasi Alat Polesh Machine SPM Hasil Perbandingan Perankingan Menggunakan Metode Tanpa Menggunakan Metode Nilai Absolute Naa Vendor ( fi-yi ) Naa Vendor (fi) (yi) Wujud Raa Abadi 0 Wujud Raa Abadi Elang Kurnia Sakti 2 0 Elang Kurnia Sakti 2 Plastikaa Teknologi Plastikaa Teknologi 3 0 Industri Industri 3 Julah 6 0 Julah 6 Berdasarkan Tabel 4.8 di atas diperoleh hasil julah nilai absolutnya, aka selanjutnya yaitu enghitung error dengan enggunakan persaaan (2.8) dan encari nilai tingkat keakuratan dengan enggunakan persaaan (2.9). MAE = 0 6 = 0 Akurasi = 0 = Dari hasil perhitungan tersebut, diperoleh nilai tingkat keakuratan hasil perankingan adalah sebesar 00%. Hasil pengujian 4 vendor pada alat Cheical dapat dilihat pada Tabel 4.9.

12 Tabel 4.9 Hasil Pengujian Akurasi Alat Cheical Hasil Perbandingan Perankingan Menggunakan Metode Tanpa Menggunakan Metode Nilai Absolute Naa Vendor ( fi-yi ) Naa Vendor (fi) (yi) Gaa Tritunggal 0 Gaa Tritunggal Elang Kurnia Sakti 2 Elang Kurnia Sakti 3 Wujud Raa Abadi 3 Wujud Raa Abadi 2 Plastikaa Teknologi Plastikaa Teknologi 4 0 Industri Industri 4 Julah 0 2 Julah 0 Berdasarkan Tabel 4.9 di atas diperoleh hasil julah nilai absolutnya, aka selanjutnya yaitu enghitung error dengan enggunakan persaaan (2.8) dan encari nilai tingkat keakuratan dengan enggunakan persaaan (2.9). MAE = 2 0 = 0,2 Akurasi = 0,2 = 0,8 Dari hasil perhitungan tersebut, diperoleh nilai tingkat keakuratan hasil perankingan adalah sebesar 80%. Dari keepat hasil pengujian terhadap 2 vendor, 3 vendor, dan 4 vendor dengan 4 alat berbeda, aka rata-rata tingkat akurasi adalah 82,2%. 5. Kesipulan dan Saran 5. Kesipulan Berdasarkan hasil ipleentasi dan pengujian yang dilakukan pada siste rekoendasi peilihan vendor untuk pengadaan alat pada UTR dengan enggunakan etode Technique for Order Preference by Siilarity to Ideal Solution (TOPSIS) dan Fuzzy Analytical Hierarchy Process (FAHP), aka dapat diabil kesipulan sebagai berikut:. Pengipleentasian etode yaitu dengan ebangun siste rekoendasi peilihan vendor dengan pebobotan kriteria enggunakan FAHP dan perangkingan alternatif vendor enggunakan TOPSIS dengan bobot yang dihasilkan oleh siste yaitu gudang dengan bobot 0,0740, antar barang dengan bobot 0,0740, harga dengan bobot 0,365, lead tie dengan bobot 0,707, fungsi alat dengan bobot 0,882, kondisi alat dengan bobot 0,882, spare part dengan bobot 0,0748, dan warranty dengan bobot 0,0936. Perbedaan nilai akurasi dari yang tertinggi sapai yang terendah dipengaruhi oleh bobot AHP yang eiliki tingkat kepentingan yang berbeda antara kriteria satu dengan lainnya dan rating kinerja yang terdapat pada asing-asing vendor. 2. Bobot yang dihasilkan oleh etode AHP tidak saa dengan yang dihasilkan FAHP, hal ini dapat terjadi karena pada FAHP epertibangkan adanya ketidakpastian dan keraguan dala pengabilan keputusan dengan adanya interval pada setiap peringkat dengan skala TFN, naun keduanya eiliki tingkat prioritas yang saa, hal ini ebuat perangkingan yang dilakukan oleh TOPSIS dengan bobot AHP aupun FAHP enghasilkan urutan yang saa. Pengujian keseluruhan data dengan julah alternatif 2 vendor enghasilkan tingkat akurasi 78,%, pengujian keseluruhan data dengan julah alternatif 3 vendor enghasilkan tingkat akurasi 8,9%, dan pengujian data dengan julah alternatif 4 vendor enghasilkan tingkat akurasi 80%. Rata-rata tingkat akurasi dari keseluruhan pengujian yang dilakukan adalah sebesar 80%. 5.2 Saran Saran yang dapat dikebangkan dala penelitian ini kedepannya adalah sebagai berikut:. Pada siste ini kriteria dan subkriteria asih bersifat statis karena disesuaikan dengan kebutuhan perusahaan pada saat ini, beraganya faktor dala peilihan vendor eungkinkan terjadinya penabahan kriteria dan subkriteria, oleh karena itu, siste ini dapat dikebangkan dengan eberikan fungsionalitas penabahan kriteria dan subkriteria sehingga bersifat dinais agar lebih kopleks serta eberikan hasil yang lebih baik lagi. 2. Perhitungan pebobotan subkriteria pada siste ini tidak dapat elakukan pengecekan kondisi pebobotan secara otoatis jika julah subkriteria atau 2 akan dihitung dengan pebobotan langsung, sedangkan julah subkriteria 3 dan seterusnya akan dihitung dengan FAHP, oleh karena itu, siste ini dapat dikebangkan dengan eberikan fungsionalitas pengecekan kondisi pebobotan berdasarkan julah subkriteria secara otoatis sehingga eudahkan user pada saat elakukan penabahan atau pengurangan subkriteria.

13 Daftar Pustaka [] P. U. T. Reksajaya, 206. [Online]. Available: [Diakses 20 Maret 205]. [2] W. L. Ng, "An Efficient and Siple Model for Multiple Criteria Supplier Selection Proble," European Journal of Operational Research, 86, pp , [3] H. H. Nasab and A. S. Milani, "An Iproveent of Quantitative Strategic Planning Matrix Using Multiple Criteria Decision Making and Fuzzy Nubers," Applied Soft Coputing 2, pp , 202. [4] Z. Dashti, M. M. Pedra and J. Shanbehzadeh, "Multi-Criteria Decision Making Based Method for Rangking Sequential Patterns," Proceeding of International Multi-Conference of Engineers and Copter Scientis, Vol., Hong Kong: IMECS, 200. [5] H. Deng, "Multicriteria Analysis with Fuzzy Pairwise Coparison," International Journal of Approxiate Reasoning, 2 (3), pp , 999. [6] M. H. d. Vahidnia, "Fuzzy Analytical Hierarchy Process in GIS Application," Journal of The International Archives of The Photograetry Reote Sensing and Spatial Inforation Science Faculty of Geodesy and Geoatics Eng. K. N. Toosi University of Technology (37), pp , [7] S. d. Kusuadewi, Fuzzy Multi-Attribute Decision Making (Fuzzy MADM), Yogyakarta: Graha Ilu, [8] Mariin, Teknik dan Aplikasi Pengabilan Keputusan Kriteria Majeuk, Cetakan Kedua, Jakarta: Grasindo, [9] K. Yoon and C. L. Hwang, "Multiple Attribute Decision Making: An Introduction," Sage University Papers, 995. [0] E. K. d. Zavadskas, "Evaluation of Rangking Accuracy in Multi-Criteria Decisions," INFORMATICA, Vol. 7, No. 4, pp , [] K. Yoon and C. L. Hwang, Multiple Attribute Decision Making, Methods and Applications, New York: Springer-Verlag, 98. [2] S. Kusuadewi and H. Purnoo, Aplikasi Logika Fuzzy untuk Pendukung Keputusan, Edisi 2, Yogyakarta: Graha Ilu, 200. [3] T. M. Works Inc, Fuzzy Logic Toolbox User's Guide, New York: The Math Works Inc., 995. [4] D. I. Lestari, Mula ab and R. Yunitarini, "Siste Pendukung Keputusan Pengukuran dan Analisis Produktivitas Usaha Kecil dan Menengah Menggunakan Metode Objective Matrix Studi Kasus: Dinas Perindustrian dan Perdagangan Kabupaten Bangkalan," Jurnal Iliah Kursor, [5] T. L. Saaty, Pengabilan Keputusan bagi Para Peipin, Jakarta: Pustaka Binaan Pressindo, 993. [6] T. L. Saaty, "How to Make a Decision: The Analytic Hierarchy Process," European Journal of Operation Research, 990. [7] S. Mulyono, Riset Operasi, Jakarta: Lebaga Penerbit Fakultas Ekonoi Universitas Indonesia, [8] Kusrini, Konsep dan Aplikasi Siste Pendukung Keputusan, Yogyakarta: Andi, [9] T. L. Saaty, Fundaentals of Decision Making and Priority Theory With The Analytic Hierarchy Process, Vol. IV, USA: Pittsburgh University, 994. [20] L. Mikhailov and P. Tsvetinov, "Evaluation of Services Using a Fuzzy Analytic Hierarchy Process.," Applied Soft Coputing 5, pp , [2] d. Raharjo, "Aplikasi Fuzzy Analytical Hierarchy Process dala Seleksi Karyawan," Jurnal Teknik Industri Vol. 4, No. 2, pp , [22] D. Y. Chang, "Application of The Extent Analysis Method on Fuzzy AHP," European Journal of Operational Research 95, pp , 996. [23] R. A. Djaal, W. Maharani and A. P. Kurniati, "Analisis dan Ipleentais Metode Ite-Based Clustering Hybrid pada Recoender Syste," Konferensi Nasional Siste dan Inforatika Bali, p. 29, 200. [24] F. Sneha. Y. S., D. G. Mahadevan and S. Muthulakshi, "A Critical Review of Recoender Systes in Web Usage Mining Based on User Ratings," International Conference on Artificial Intelligence and Ebedded Systes Singapore, 202. [25] Sugiyono, Meahai Penelitian Kualitatif, Bandung: Alfabeta, 202. [26] T. L. Saaty, The Analytical Hierarchy Process: Planning, Priority Setting, Resource Allocation, McGraw-

14 Hill Book Copany, 980. [27] S. d. Kusuadewi, Artificial Intelligent (Teknik dan Aplikasinya), Yogyakarta: Graha Ilu, [28] E. Cox, The Fuzzy Systes Handbook: A Practitioner's Guide to Building, Using, and Maintaining Fuzzy Systes, San Diego: Acadeic Press International, 994. [29] S. Balli and S. Korukoğlu, "Operating Syste Selection Using Fuzzy AHP and TOPSIS Methods," Matheatical and Coputational Applications, Vol. 4, No. 2, pp. 9-30, [30] C. S.H., M. Dadashzadeh and M. Subraanian, "Critical Success Factors for Supplier Selection: An Update," Journal of Applied Business Research, Vol. 20, No. 2, pp. 9-08, [3] F. Tahriri, M. R. Osan, A. Ali, R. M. Yusuff and A. Esfandiary, "AHP Approach for Supplier Evaluation and Selection in a Steel Manufacturing Copany," Journal of Industrial Engineering and Manageent 0 (02), pp , [32] G. W. Dickson, "An Analysis of Vendor Selection Systes and Decisions," Journal of Purchasing, Vol. 2, No., pp. 5-20, 966. [33] A. J. D. Fatiah and I. K. Ghozali, "Perancangan Siste Inforasi Evaluasi Kinerja Vendor di PT. PLN (Persero) Distribusi Jawa Tiur," 20. [34] E. Turban, J. E. Aronson and T. P. Liang, Decision support and Intelligent, New Jersey: Prentice-Hall Inc, [35] A. Y. Ranius, "Siste Pendukung Keputusan Meilih Perguruan Tinggi Swasta di Palebang Sebagai Pilihan Tepat Kuliah," Sebistek IBI Darajaya, 204. [36] B. Y.I.E., A. A. Soebroto and R. Regasari, "Siste Pendukung Keputusan Penentuan Kelayakan Pengisian Bibit Aya Broiler di Kandang Peternak Menggunakan Metode AHP dan TOPSIS," 200. [37] Jasril, E. Haerani and I. Afrianty, "Siste Pendukung Keputusan Peilihan Karyawan Terbaik Menggunakan Metode Fuzzy AHP," Seinar Nasional Aplikasi Teknologi Inforasi, 20. [38] A. Suatkab, "Perancangan Aplikasi Siste Pendukung Keputusan Penentuan Peneria Dana Bantuan Siswa Miskin SD Negeri Tulehu Menggunakan Model Fuzzy MADM dan TOPSIS," 204. [39] M. Cahayani, M. I. Irawan and A. M. Ruki, "Analisis Pengabilan Keputusan Multikriteria Untuk Suber Energi Terbarukan di Wilayah Madura Menggunakan Metode Fuzzy AHP dan VIKOR," JURNAL SAINS DAN SENI POMITS Vol. 2, No., 204. [40] R. Taufik, Y. Suantri and C. F. M. Tantrika, "Penerapan Peilihan Supplier Bahan Baku Ready Mix Berdasarkan Integrasi Metode AHP dan TOPSIS (Studi Kasus Pada PT Merak Jaya Beton, Malang)," 20. [4] N. Nuzulita, N. Hidayat and C. Dewi, "Ipleentasi Metode FUZZY-AHP untuk Rekoendasi Seleksi Peneriaan Anggota Baru Paduan Suara (Sudi Kasus: Paduan Suara Mahasiswa Universitas Brawijaya)," 203. [42] N. Kustian, "Analisis Pendukung Keberhasilan Sebuah E-Coerce dala Mebangun Usaha Bisnis Online: Persepsi Konsuen," Sosio e-kons Vol.7, No.2, pp , 205. [43] E. Berutu, "Siste Pendukung Keputusan Pengangkatan Karyawan Tetap dengan Metode Analytic Hierarchy Process (AHP) pada PT. Perkebunan Lebah Bhakti Provinsi NAD Kab. Aceh Singkil," Pelita Inforatika Budi Dara, Vol. IX, No. 3, 205. [44] H. N. H. Shega, R. Rahawati and H. Yasin, "Penentuan Faktor Prioritas Mahasiswa dala Meilih Telepon Seluler Merk Blackberry Ddengan Fuzzy AHP," 200. [45] P. P. Erlangga, "Optialisasi Penentuan Lokasi Pebangunan SPBU Menggunakan Metode Fuzzy MADM dengan Weighted Product dan Depster-Shafer Analytical Hierarchy Process (DS/AHP) (Studi Kasus: PT. Pertaina (Persero) Marketing Operation Regional VI Kaliantan Cabang Pontiana," Telko University, 203. [46] A. B. Pakarti, "Analisis dan Ipleentasi Metode Fuzzy AHP dan TOPSIS untuk Peilihan LPK Pelaksana Proyek Pelatihan," Telko University, 203.