BAB IV HASIL PENELITIAN DAN PEMBAHASAN

Transkripsi

1 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). 23

2 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, masingmasing 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: 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 PD PK Total

3 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 MK PD PK SUM BOBOT NILAI % MK PD PK Total 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 (λ max ). NILAI PEMBANGKIT RANDOM (R.I) n R.I 0 0 0,58 0,9 1,12 1,24 1,32 1,41 1,45 1,49 λ max = ((3.219*0.315)+(3.339*0.299)+(2.596*0.386)) =3, CI =( λ max -n) / (n-1) = (3, ) / (3-1) = 0,007201

4 26 CR = CI / RI = 0, / 0,58 = 0, 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 % 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 K-B K-C K-D K-E JML

5 27 Keterangan : K A K B K C K D K E = Sucipto = Hari Gunawan = Fandi Pramono = Sentot Basuki = 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 BOBOT SUM K-A K-B K-C K-D K-E NILAI % K-A K-B K-C K-D K-E Total 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 (λ max ). NILAI PEMBANGKIT RANDOM (R.I) n R.I 0 0 0,58 0,9 1,12 1,24 1,32 1,41 1,45 1,49

6 λ max = ((5.881*0.172) + (5.438*0.196) + (5.638*0.185) + (4.953*0.199) + (4.054*0.248)) = CI = ( λ max -n) / (n-1) = (5, ) / (5-1) = 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% 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:

7 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 K-B K-C K-D K-E JML Keterangan : K A K B K C K D K E = Sucipto = Hari Gunawan = Fandi Pramono = Sentot Basuki = 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 BOBOT SUM K-A K-B K-C K-D K-E NILAI % K-A K-B K-C K-D K-E Total

8 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 (λ max ). NILAI PEMBANGKIT RANDOM (R.I) n R.I 0 0 0,58 0,9 1,12 1,24 1,32 1,41 1,45 1,49 λ max = ((5.140*0.194) + (8.221*0.124) + (5.269*0.189) + (3.653* (4.686*0.215)) = 5, CI =( λ max -n) / (n-1) = (5, ) / (5-1) = 0, CR = CI / RI = 0, / 1,12 = 0, 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%.

9 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 K-B K-C K-D K-E JML Keterangan : K A K B K C K D K E = Sucipto = Hari Gunawan = Fandi Pramono = Sentot Basuki = 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 :

10 Tabel IV.8. Matriks Faktor Evaluasi Untuk Kriteria Penilaian Kerja yang Dinormalkan NORMALISASI BOBOT SUM K-A K-B K-C K-D K-E NILAI % K-A K-B K-C K-D K-E 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 (λ max ). NILAI PEMBANGKIT RANDOM (R.I) n R.I 0 0 0,58 0,9 1,12 1,24 1,32 1,41 1,45 1,49 λ max = ((4.106*0.257) + (4.588*0.216) + (7.120*0.139) + (7.6432*0.153) + (4.146*0.234)) = 5,14902 CI =( λ max -n) / (n-1) = (5, ) / (5-1) = 0,03725 CR = CI / RI = 0,03725/ 1,12 = 0,03326 Karena CR <0,100 berarti preferensi responden adalah konsisten.

11 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% 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 = * = Dengan hasil ini merupaka dari aggregate.

12 34 Tabel IV.9. Hasil Penilaian Akhir AHP (Analitycal Hierarchy Process). Alternatif KARYAWAN-A (Sucipto) KARYAWAN-B (Hari Gunawan) KARYAWAN-C (Fandi Pramono) KARYAWAN-D (Sentot Basuki) KARYAWAN-E (Nanang Riyanto) Kriteria Bobot Perbandingan Faktor Antar Kriteria Bobot Perbandingan Berpasangan Antar Alternatif Aggregate Masa Kerja (MK) Pendidikan (PD) Penilaian Kerja (PK) Masa Kerja (MK) Pendidikan (PD) Penilaian Kerja (PK) Masa Kerja (MK) Pendidikan (PD) Penilaian Kerja (PK) Masa Kerja (MK) Pendidikan (PD) Penilaian Kerja (PK) Masa Kerja (MK) Pendidikan (PD) Penilaian Kerja (PK) 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 % K-A % KE-2 K-B % KE-4 K-C % KE-5 K-D % KE-3 K-E % KE-1 Total 31.5% 29.9% 38.6% 100%

13 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

14 36 Gambar IV.3. Hasil Inputan Data Responden untuk Kriteria Masa Kerja Gambar IV.4. Hasil Inputan Data Responden untuk Kriteria Pendidikan

15 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

16 38 Gambar IV.7. Inconsistency Ratio untuk Kriteria Masa Kerja Gambar IV.8. Inconsistency Ratio untuk Kriteria Pendidikan

17 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

18 40 Gambar IV.11. Grafik Head to Head Gambar IV.12. Grafik Gradient

19 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%.