BAB 1 PENDAHULUAN. 1.1 Latar belakang

Transkripsi

1 BAB 1 PENDAHULUAN 1.1 Latar belakang Dalam memlh sesuatu, mula yang memlh yang sederhana sampa ke hal yang sangat rumt yang dbutuhkan bukanlah berpkr yang rumt, tetap bagaman berpkr secara sederhana. AHP adalah prosedur yang berbass matemats yang sangat bak dan sesua untuk konds evaluas atrbut-atrbut tersebut. Secara matematka dkuanttatfkan dalam satu set perbandngan berpasangan. Perbandngan berpasangan dpergunakan untuk membentuk hubungan d dalam struktur. Hasl dar perbandngan berpasangan n membentuk matrks dmana skala raso dturunkan dalam bentuk egen vektor utama. Kelebhan AHP dbandngkan dengan yang lannya karena adanya struktur yamg berhrark, sebaga konsekuens dar krtera yang dplh, sampa kepada subsub krtera yang palng mendetal. Memperhtungkan valdtas sampa dengan batas tolerans nkonsstens berbaga krtera dan altenatf yang dplh oleh para pengambl keputusan (Saaty, 1990). Penggunaan AHP dmula dengan membuat struktur atau arngan dar permasalahan yang ngn dtelt. D dalam herark terdapat tuuan utama, krtera-krtetera, sub-sub krtera, dan alternatf-alternatf yang akan dbahas. Karena menggunakan nput perseps manusa, model n dapat mengolah data yang bersfat kualtatf maupun kuanttatf. Selan tu AHP mempunya kemampuan untuk memecahkan masalah yang mult-obektf dan mult-krtera yang ddasarkan pada perbandngan preferens dar setap element dalam herark.

2 D dalam penerapan Analytcal Herarchy Proses (AHP) untuk pengamblan keputusan dengan banyak krtera yang bersfat subektf, serngkal seorang pengambl keputusan dhadapkan pada suatu permasalahan yang sult dalam penentuan bobot setap krtera. Untuk membantu para pengambl keputusan dperlukan suatu metode yang lebh memperhatkan keberadaan krtera-krtera yang bersfat subektf tersebut. Salah satu metode pendekatan yang serng dpaka adalah konsep Fuzzy. Logka Fuzzy merupakan sebuah logka yang memlk nla kekaburan atau kesamaran (Fuzyness) antara benar dan salah. Dalam teor Fuzzy sebuah nla bsa bernla benar dan salah secara bersamaan namun berapa besar kebenaran dan kesalahan suatu nla tergantung kepada bobot keanggotaan yang dmlknya. Pedekatan logka Fuzzy terhadap AHP akan ddekat melalu Fuzzy trangular dengan mengkoverskan nla skala Saaty ke dalam blangan Fuzzy. Dan blangan Fuzzy dgunakan untuk merepresentaskan penlaan terhadap berbaga krtera dan besar kemungknan dar berbaga tngkat kesuksesan. 1.2 Perumusan Masalah Sesua dengan latar belakang yang telah dkemukakan sebelumnya, maka masalah yang akan d bahas dalam peneltan n adalah bagamana memberkan pembobotan dengan logka Fuzzy pada AHP 1.3 Tnauan Pustaka Dalam urnal Latfah, St [2] menelaskan tentang metode AHP yang telah banyak dgunakan untuk menetukan prortas plhan-plhan dengan banyak krtera tetap penerapannya telah meluas sebaga model alternatf mamfaat baya, peramalan dan lan-lan. Pendeknya AHP menawarkan penyelesaan masalah keputusan yang melbatkan seluruh sumber kerumtan sepert yang ddefnskan datas.

3 Pada bukunya Saaty, L [6] mengurakan metode AHP yang menelaskan tentang pemodelan permasalahan dlakukan cara memodelkan permasalahan secara bertngkat yang terdr dar krtera dan altematf. Metode AHP tdak saa dgunakan untuk menentukan prortas plhan dengan banyak krtera (multkrtera), tetap penerapannya telah meluas sebaga metode alternatf untuk menyelesakan bermacammacam masalah. Saaty uga memaka metode matrks perbandngan dalam menentukan bobot krtera dalam membuat keputusan yang terbak, adapun bentuk matrksnya adalah sebaga berkut: Tabel matrks comparson Dalam urnal Raharo, Jan [5] Juga mengurakan tentang Analytcal herarchy Proses (AHP) untuk pengamblan keputusan dengan banyak krtera yang bersfat subektf, serngkal seorang pengambl keputusan dhadapkan pada suatu permasalahan yang sult dalam penetuan bobot setap krtera. Jurnal tu uga menelaskan tentang langkah-langkah dalam mengambl keputusan berdasarkan bobot krtera yang mengacu pada AHP. Adapun langkah-langkahnya adalah sebaga berkut: Pada langkah (1) yatu penlaan alternatf, pengambl keputusan dmnta memberkan suatu rangkaan penlaan terhadap altrnatf x yang ada dalam bentuk blangan fuzzy trangular (trangular fuzzy number (TFN)), yang dsusun berdasarkar varabel lnngustk. Selanutnya, nla fuzzy ddefnskan bag setap alternatf pada setap krtera.

4 Dalam langkah (2), yatu pembobotan krtera, Zeleny (1983) membagnya menad dua tpe yatu: (1) bobot pror w yang sfatnya relatf stabl, menggambarkan keadaan pskologs dan sosal dar pengambl keputusan, (2) bobot nformas A,, sfatnya tdak stabl. Bobot pror, pada dasamya merupakan modfkas pembobotan AHP yang dkembangkan oleh Saaty. Dmana langkah-langkah perhtungannya adalah sebaga berkut: Menentukan perbandngan berpasangan a w w = =, = 1,2,..., n, d mana n menyatakan umlah krtera yang dbandngkan, w bobot untuk krtera ke-, dan a adalah perbandngan bobot krtera ke- dan. Jka ndeks konsstens lebh dar satu, maka perbandngan berpasangan harus dulang. Menormalkan setap kolom dengan cara membag setap nla pada kolom ke- dan bars ke- dengan nla terbesar pada kolom ke- a aˆ =,, max a Menumlahkan nla pada setap kolom ke-, yatu ˆ = aˆ a, Akhrnya bobot pror bag setap krtera ke-, ddapat dengan membag setap nla a, dengan umlah krtera yang dbandngkan (n),yatu: w aˆ =, n Dalam bukunya Sr Kusumahdew [4] menelaskan bahwa keanggotaan fuzzy memberkan suatu ukuran terhadap pendapat atau keputusan. Sehngga ada beberapa alasan mengapa orang menggunakan logka fuzzy, antara lan:konsep logka fuzzy mudah dmengert, Konsep matemats yang mendasar penalaran fuzzy sangat sederhana dan mudah dmengert. Logka fuzzy uga sangat fleksbel dan memlk

5 tolerans terhadap data-data yang tdak tetap. Fuzzy mampu memodelkan fungsfungs nonlnear yang sangat kompleks. Pada buku Roband man [6] mendefenskan keanggotaan Fuzzy, bahwa deraat fungs keanggotaan suatu hmpunan fuzzy sebaga vektor blangan yang dmensnya tergantung level dskrt. Pada bukunya Wdodo dkk [7] halaman ( ) mengatakan bahwa nla atau data yang dambl dar suatu alat ukur adalah tdak past. Poss nla n pada nterval yang past R, x ε[ a 1, memastkan nla x lebh atau sama dengan a 2. a 2] dengan a 1 a 2. Hal n menunukkan bahwa untuk 1. 3 Tuuan Peneltan Peneltan n bertuuan memperoleh hasl yang lebh akurat dar metode Analytcal Herarchy Process dalam pengamblan keputusan dengan logka Fuzzy. 1.4 Kontrbus Peneltan Hasl peneltan n dharapkan dapat memperkaya metode pengamblan keputusan dan sangat membantu pmpnan untuk mengambl keputusan yang lebh akurat. 1.5 Metode Peneltan Peneltan n bersfat stud kasus terhadap permasalahan sehar-har yang dsusun berdasarkan ruukan pustaka dengan tahapan sebaga berkut: 1) Melakukan stud dar urnal, buku dan artkel d nternet yang berhubungan dengan proses AHP dan fuzzy AHP. 2) Mendefenskan AHP (skala saaty) ke dalam Blangan fuzzy 3) Melakukan study kasus untuk dmodelkan terhadap fuzzy