digilib.uns.ac.id 22 BAB IV BAB IV PEMBAHASAN 4.1. Pengumpulan Data Data mengenai lokasi toko diperoleh dari hasil wawancara dengan kuisioner kepada pemilik Toko Ivo Busana. Kuisioner tersebut berisi informasi berupa nama lokasi, alamat lokasi, kecamatan, harga, luas, keamanan, perizinan, jarak dari cabang lain, jarak dari target pemasaran, jumlah pesaing dan jarak dari jalan raya. Hasil kuisioner dapat dilihat pada Tabel 4.1. Sampel data yang diperoleh sejumlah 13 data, diambil 6 data diantaranya sebagai data preferensi yang merupakan lokasi-lokasi cabang dengan potensi yang baik, diantaranya : Permindo 1, Gunung Pangilun 2, Pasar Baru, Lubeg, Siteba, dan Simpang Haru. 22
digilib.uns.ac.id
digilib.uns.ac.id
digilib.uns.ac.id 25 4.2. Simulasi Perhitungan Keputusan dengan Metode AHP 4.2.1.Penentuan Kriteria Data Lokasi Cabang Di tahap ini, dilakukan penentuan bobot untuk masing-masing kriteria terhadap hasil kuisioner yang telah diperoleh. Kriterianya antara lain : 1. Luas Luas merupakan ukuran keseluruhan dari lokasi toko. Penentuan nilai luas disesuaikan dengan luas toko yang tertulis pada kuisioner. Semakin besar ukuran luas dari lokasi toko maka semakin tinggi pula nilai lokasi tersebut. 2. Harga Harga merupakan harga jual lokasi toko. Penentuan nilai harga dibagi menjadi tiga kategori harga (seperti pada Tabel 4.2), sesuai dengan harga toko yang tertulis pada kuisioner. Tabel 4. 2 Bobot Kriteria Harga RENTANG HARGA NILAI KETERANGAN Lebih dari Rp 1.000.000.000,00 1 Mahal Rp 650.000.000,00 Rp 1.000.000.000,00 2 Sedang Rp 300.000.000,00 Rp 649.999.999,00 3 Murah 3. Jarak dari Cabang Lain Jarak dari cabang lain merupakan jarak dari letak lokasi cabang yang akan direkomendasikan dari lokasi cabang lain yang sudah ada, yang terdekat dari lokasi tersebut. Penentuan nilai jarak dari cabang lain sesuai dengan jarak dari cabang lain yang tertulis pada kuisioner. Semakin jauh jarak dari cabang lain yang sudah ada maka akan semakin tinggi nilai dari lokasi tersebut. 4. Jumlah Pesaing dalam rentang 1 km Jumlah Pesaing merupakan jumlah toko lain yang sejenis dalam rentang jarak 1 km dari lokasi. Semakin banyak jumlah pesaing maka semakin kecil nilai dari lokasi tersebut, seperti terlihat pada Tabel 4.3. Tabel 4. 3 Bobot Kriteria Jumlah Pesaing dalam rentang 1 km JUMLAH TOKO NILAI KETERANGAN Lebih dari 50 toko 1 Banyak 25 49 toko 2 Sedang Kurang dari 25 toko 3 Sedikit
digilib.uns.ac.id 26 5. Keamanan Lokasi Suatu lokasi dapat dikatakan sangat aman apabila tidak pernah terjadi kasus kriminal di sekitar lokasi usaha dalam rentang waktu 6 bulan. Apabila lokasi mengalami kasus kriminal sampai tiga kali dalam 6 bulan maka dikatakan cukup aman. Dan lokasi dikatakan tidak aman apabila terjadi kasus kriminal lebih dari 3 kali. Bobot pada kriteria tingkat keamanan dapat di lihat pada Tabel 4.4. 6. Legalitas Perizinan Tabel 4. 4 Bobot Tingkat Keamanan TINGKAT KEAMANAN NILAI Sangat Aman 3 Cukup Aman 2 Tidak Aman 1 Legalitas perizinan dari sebuah lokasi usaha diantaranya Izin Mendirikan Bangunan (IMB), Sertifikat Hak Milik (SHM), dan Akta Pembelian. Semakin lengkap dari ketiga surat ini menghasilkan nilai yang semakin tinggi bagi lokasi tersebut. 7. Jarak dari Target Pemasaran Target pemasaran dari suatu lokasi usaha (seperti sekolah, kampus, perkantoran, dan lain-lain) dapat lebih dari satu, namun jarak yang diambil merupakan jarak terdekat dari lokasi cabang usaha. Semakin jauh jarak dari target pemasaran, semakin rendah nilai dari lokasi tersebut, seperti pada Tabel 4.5. Tabel 4. 5 Bobot Kriteria Jarak dari Target Pemasaran JARAK DARI TARGET PEMASARAN NILAI KETERANGAN Lebih dari 1 km 1 Jauh 500 meter 1 km 2 Sedang Kurang dari 500 meter 3 Dekat 8. Jarak dari Jalan Raya Jarak dari jalan raya merupakan jarak untuk lokasi yang tidak berada tepat di tepi jalan raya. Semakin jauh lokasi usaha dari jalan raya maka semakin rendah nilai dari lokasi tersebut, seperti pada Tabel 4.6.
digilib.uns.ac.id 27 Tabel 4. 6 Bobot Kriteria Jarak dari Jalan Raya JARAK DARI JALAN RAYA NILAI KETERANGAN Tepi jalan raya atau kurang dari 100 meter 3 Jauh 100 500 meter 2 Sedang Lebih dari 500 meter 1 Dekat 4.2.2.Perhitungan Perbandingan Berpasangan Di tahap ini dilakukan perhitungan dengan algoritma AHP. Langkah pertama yang dilakukan berupa penentuan nilai preferensi tingkat kepentingan dari setiap kriteria. Pada perhitungan kali ini menggunakan nilai 1,6,3,5,2,4,8,7 dengan urutan kriteria berupa harga, luas, legalitas perizinan, tingkat keamanan, jarak dari cabang lain, jarak dari target pemasaran, jumlah pesaing di sekitar lokasi, dan jarak dari jalan raya (seperti pada Tabel 4.7). Nilai bobot kriteria ini diperoleh berdasarkan pada skala saaty. Kemudian nilai preferensi tersebut diproses dengan algoritma AHP. a. Menentukan bobot masing-masing kriteria Setelah menentukan 8 macam kriteria, kemudian ditentukan nilai bobot masing-masing kriterianya seperti yang terdapat pada Tabel 4.7. Tabel 4. 7 Kriteria dan Bobotnya Kriteria Kode Kriteria Bobot Kriteria Harga K1 1 Luas toko K2 6 Legalitas perizinan K3 3 Keamanan lokasi K4 5 Jarak dari cabang lain yang terdekat K5 2 Jarak dari target pemasaran K6 4 Jumlah pesaing (dalam jarak 1 km) K7 8 Jarak dari jalan raya K8 7 b. Membuat matriks perbandingan (pairwise comparison) Matriks perbandingan berpasangan terhadap masing-masing bobot kriteria, seperti yang terdapat pada Tabel 4.8.
digilib.uns.ac.id 28 Tabel 4. 8 Matriks Perbandingan Berpasangan K1 K2 K3 K4 K5 K6 K7 K8 Jumlah K1 1 6 3 5 2 4 8 7 36 K2 0,17 1 0,5 0,83 0,33 0,67 1,33 1,17 6 K3 0,33 2 1 1,67 0,67 1,33 2,67 2,33 12 K4 0,20 1,2 0,6 1 0,4 0,8 1,6 1,4 7,2 K5 0,50 3 1,5 2,5 1 2 4 3,5 18 K6 0,25 1,5 0,75 1,25 0,5 1 2 1,75 9 K7 0,13 0,75 0,38 0,63 0,25 0,5 1 0,88 4,5 K8 0,14 0,86 0,43 0,71 0,29 0,57 1,14 1 5,14 Keterangan : K1 adalah kriteria harga K2 adalah luas K3 adalah legalitas perizinan K4 adalah tingkat keamanan c. Normalisasi matriks perbandingan K5 adalan jarak dari cabang lain K6 adalah jarak dari target pemasaran K7 adalah jumlah pesaing K8 adalah jarak dari jalan raya Membagi semua elemen dengan jumlah elemen perbarisnya. Sebagai contoh, pada elemen (K1,K1)/ Jumlah K1 = 1 / 6,4 menghasilkan 0,1563. Perhitungan secara lengkap terdapat di Tabel 4.9. Tabel 4. 9 Matriks Normalisasi K1 K2 K3 K4 K5 K6 K7 K8 K1 0,0278 0,1667 0,0833 0,1389 0,0556 0,1111 0,2222 0,1944 K2 0,0278 0,1667 0,0833 0,1389 0,0556 0,1111 0,2222 0,1944 K3 0,0278 0,1667 0,0833 0,1389 0,0556 0,1111 0,2222 0,1944 K4 0,0278 0,1667 0,0833 0,1389 0,0556 0,1111 0,2222 0,1944 K5 0,0278 0,1667 0,0833 0,1389 0,0556 0,1111 0,2222 0,1944 K6 0,0278 0,1667 0,0833 0,1389 0,0556 0,1111 0,2222 0,1944 K7 0,0278 0,1667 0,0833 0,1389 0,0556 0,1111 0,2222 0,1944 K8 0,0278 0,1667 0,0833 0,1389 0,0556 0,1111 0,2222 0,1944 Jumlah 0,2222 1,3333 0,6667 1,1111 0,4444 0,8889 1,7778 1,5556 d. Nilai vektor eigen Mencari vektor eigen dengan pembagian semua elemen matriks yang telah ternormalisasi (Tabel 4.9) dengan jumlah kriteria (berupa 8 kriteria), seperti pada persamaan (2.5), dimana hasil nilai vektor eigennya dapat dilihat pada Tabel 4.10.
digilib.uns.ac.id 29 Vektor Eigen e. Menentukan nilai vektor Tabel 4. 10 Vektor Eigen K1 K2 K3 K4 K5 K6 K7 K8 0,0278 0,1667 0,0833 0,1389 0,0556 0,1111 0,2222 0,1944 Menjumlahkan hasil penjumlahan setiap baris matriks normalisasi dibagi dengan vektor eigen yang bersangkutan, seperti pada persamaan (2.6). = ( (0,2222 / 0,0278) + (1,3333 /0,1667) + (0,6667 / 0,0833) + (1,1111/ 0,1389) + (0,4444 / 0,0556) + (0,8889 / 0,1111) + (1,7778 / 0,2222) + (1,5556 / 0,1944) ) / 8 = 8 f. Menghitung indeks konsistensi (CI) Indeks konsistensi diperoleh dari eigen maks ( cabang usaha yang sudah dimasukkan. ) dikurangi dengan jumlah kriteria dan dibagi dengan jumlah kriteria dikurangi 1, seperti pada persamaan (2.7). CI = (8-8) / (8 1) = 0 g. Menghitung rasio konsistensi (CR) CR = CI / RI, dimana RI terdapat pada Tabel 2.2. = 0 / 1,41 = 0 Karena CR < 0,1 maka nilai bobot masing-masing kriterianya konsisten dan dapat digunakan sebagai bobot di dalam perhitungan. Setelah memperoleh nilai bobot konsistensi, maka nilai tersebut dapat digunakan untuk proses perankingan alternatif. 4.3. Implementasi 4.3.1.Kebutuhan Fungsional dan Non Fungsional Pada tahap ini dilakukan penentuan kebutuhan fungsional dan non fungsionalnya, yaitu: a. Kebutuhan Fungsional 1. User dapat memasukkan data training yang merupakan data dari lokasilokasi cabang yang sudah ada. 2. User dapat melihat hasil perankingan serta persebaran letak dari lokasi
digilib.uns.ac.id 30 3. User dapat memasukkan perhitungan perankingan dari beberapa alternatif lokasi. 4. User dapat melihat hasil rekomendasi perankingan alternatif lokasi yang dipilih. 5. User dapat memasukkan perhitungan kelayakan dari sebuah alternatif lokasi. 6. User dapat melihat hasil kelayakan dari sebuah alternatif lokasi. b. Kebutuhan Non Fungsional 1. Tampilan antar mukanya mudah dipahami dan digunakan. 2. Sistem dapat update secara otomatis nilai masing-masing lokasi cabang (data training) apabila data ditambahkan. 4.3.2.Proses Hierarki Gambar 4.1 berikut ini merupakan Proses Hierarki dari proses perhitungan rekomendasi lokasi cabang usaha. Gambar 4. 1 Proses Hierarki 4.3.3.Context Diagram Berikut ini, pada Gambar 4.2. merupakan Context Diagram proses perhitungan rekomendasi lokasi cabang usaha.
digilib.uns.ac.id 31 Gambar 4. 2 Context Diagram Sistem Rekomendasi Lokasi Cabang Usaha Keterangan : Data geografis : nama_lokasi, alamat, latitude, longitude, dan kecamatan Data kriteria : harga, luas, jarak dari cabang lain, keamanan, perizinan, jumlah pesaing, jarak dari jalan raya, jarak dari target pemasaran Data bobot kriteria : bobot harga, bobot luas, bobot jarak dari cabang lain, bobot keamanan, bobot perizinan, bobot jumlah pesaing, bobot jarak dari jalan raya, bobot jarak dari target pemasaran Data hasil : nilai hasil, status 4.3.4.Data Flow Diagram (DFD) a. DFD Level I DFD Level I melibatkan tiga macam proses utama, yaitu proses masukkan data perhitungan, lihat peta, dan lihat hasil perankingan. Tahap masukkan data melibatkan 4 tabel berupa tabel kodeotomatis, geografis, kriteria, dan hitung kriteria. Di proses lihat peta, terdapat satu tabel yang digunakan yaitu geografis. Dan untuk proses lihat hasil perankingan, melibatkan 4 tabel berupa geografis, kriteria, hitung kriteria, dan hasil. Gambar 4.3 berikut ini merupakan penggambaran DFD Level I dari proses perhitungan rekomendasi lokasi commit cabang to user usaha.
digilib.uns.ac.id 32 Gambar 4. 3 DFD Level I Sistem Rekomendasi Cabang Usaha b. DFD Level II DFD Level II ini berisi penjelasan dari ketiga proses yang telah digambarkan pada DFD Level I. DFD Level II terdapat pada proses perhitungan seperti pada Gambar 4.4. Pada proses perhitungan, terdapat dua macam proses yaitu proses Input Cabang Baru yang melibatkan tabel geografis, kriteria, dan hitung kriteria serta proses Input Alternatif melibatkan tabel kodeotomatis, geografis, kriteria, dan hitung kriteria.
digilib.uns.ac.id 33 Gambar 4. 4 DFD Level II Proses Perhitungan 4.3.5.Entity Relational Diagram (ERD) Berikut ini, pada Gambar 4.5 rekomendasi lokasi cabang usaha. merupakan ERD proses perhitungan
digilib.uns.ac.id 34 4.3.6. Desain Gambar 4. 5 ERD Rekomendasi Lokasi Cabang Usaha 4.3.6.1. Perancangan Data Model Gambar 4.6 berikut ini merupakan rancangan data model dari rekomendasi lokasi cabang usaha. Gambar 4. 6 Data Model Rekomendasi Lokasi Cabang Usaha
digilib.uns.ac.id 35 4.3.6.2. Perancangan Program Gambar 4.7 ini merupakan rancangan pseudocode dari Sistem Pendukung Keputusan Pemilihan Lokasi Cabang Usaha. Mulai pembagian = a / b perkalian = a * b get data_lokasi if data_lokasi > 1 then pairwise_lokasi = pembagian (data_lokasi, data_lokasi) normalisasi_lokasi = pembagian (pairwise_lokasi, jumlah_per_kolom) eigen_lokasi = pembagian(jml_normalisasi_per_kolom, jml_kriteria) nilai_lokasi = perkalian(eigen_lokasi, eigen_kriteria) else if data_lokasi = 1 then get data_training data_all = data_lokasi and data_training pairwise_lokasi = pembagian (data_all, data_all) normalisasi_lokasi = pembagian (pairwise_lokasi, jumlah_per_kolom) eigen_lokasi = pembagian(jml_normalisasi_per_kolom, jml_kriteria) nilai_lokasi = perkalian(eigen_lokasi, eigen_kriteria) else error endif Selesai Gambar 4. 7 Pseudocode SPK Pemilihan Lokasi Cabang Usaha Program diawali dengan mengambil input dari user berupa data lokasi. Sistem menentukan, berapa data yang dimasukkan user, kemudian diproses dengan perhitungan algoritma AHP. Data yang berjumlah lebih dari 1, data dapat langsung dihitung, namun untuk data yang berjumlah 1, maka sistem akan mengambil data training sebagai pembanding, dan untuk data yang kurang dari 1, atau kosong, sistem memberikan pesan error dan kembali ke halaman input. 4.3.7. Hasil Implementasi Implementasi 4.3.7.1. Antarmuka Halaman Utama Antarmuka halaman utama seperti pada Gambar 4.14 ini merupakan hasil implementasi dari rancangan antarmuka yang telah dibuat pada rancangan antarmuka di Gambar 4.7.
digilib.uns.ac.id 36 Gambar 4. 8 Antarmuka Halaman Utama 4.3.7.2. Antarmuka Halaman Lokasi Cabang Antarmuka halaman lokasi cabang terdiri atas antarmuka halaman utama lokasi cabang seperti pada Gambar 4.15 merupakan hasil implementasi dari rancangan Gambar 4.8 dan halaman detail lokasi cabang pada Gambar 4.16 merupakan hasil implementasi dari Gambar 4.9. Gambar 4. 9 Antarmuka Halaman Utama Lokasi Cabang
digilib.uns.ac.id 37 Gambar 4. 10 Antarmuka Halaman Detail Lokasi Cabang 4.3.7.3. Antarmuka Halaman Lokasi Alternatif Antarmuka halaman lokasi alternatif terdiri atas antarmuka halaman utama lokasi cabang seperti pada Gambar 4.17 merupakan hasil implementasi dari rancangan Gambar 4.10 dan halaman detail lokasi alternatif pada Gambar 4.18 dan Gambar 4.19 merupakan hasil implementasi dari Gambar 4.11. Gambar 4. 11 Antarmuka Halaman Utama Lokasi Alternatif
digilib.uns.ac.id 38 Gambar 4. 12 Antarmuka Halaman Detail Perankingan Alternatif Gambar 4. 13 Antarmuka Halaman Detail Kelayakan Lokasi Alternatif 4.3.7.4. Antarmuka Halaman Input Antarmuka Halaman input terdiri atas antarmuka popup input seperti Gambar 4.20 yang merupakan inplementasi dari rancangan pada Gambar 4.12 dan
digilib.uns.ac.id 39 halaman input di Gambar 4.21 yang merupakan hasil implementasi dari Gambar 4.13. Gambar 4. 14 Antarmuka Popup Input Gambar 4. 15 Antarmuka Halaman Input 4.4. Pengujian Pengujian yang dilakukan merupakan pengujian dengan metode Black Box merupakan pengujian terhadap setiap kebutuhan fungsional serta pengujian terhadap proses perhitungan algoritma AHP pada sistem untuk memastikan telah berjalan dengan baik, karena apabila terjadi kesalahan pada proses perhitungan algoritma AHP, dapat mempengaruhi hasil akhir rekomendasi yang diberikan. Evaluasi kepuasan pengguna juga dilakukan sebagai pengukuran tingkat kepuasan pengguna terhadap sistem yang telah dibuat. 4.4.1.Pengujian Kebutuhan Fungsional Pengujian terhadap kebutuhan fungsional dilakukan dengan dua macam skenario, yaitu skenario dengan inputan benar dan inputan salah. Tabel pengujian kebutuhan fungsional dapat dilihat commit pada Tabel to user 4.11.
digilib.uns.ac.id
digilib.uns.ac.id
digilib.uns.ac.id 42 4.4.2.Pengujian Perhitungan Algoritma AHP Pada pengujian perhitungan algoritma AHP, dilakukan dua macam pengujian. Pada pengujian pertama, mengambil contoh berupa tiga macam alternatif lokasi untuk dijadikan lokasi cabang baru bagi usahanya. Dan pengujian kedua berupa perhitungan kelayakan dari satu macam alternatif lokasi. Pengujian pertama menggunakan data lokasi alternatif berupa Ulak Karang, M Yamin 1, M Yamin 2, dan Gunung Pangilun, seperti pada Tabel 4.12 dan Gambar 4.22.
digilib.uns.ac.id 43 Gambar 4. 16 Contoh Kasus Pertama
digilib.uns.ac.id
digilib.uns.ac.id 45 1. Membuat matriks perbandingan berpasangan (pairwise comparison) pada masing masing kriteria, antara lain kriteria harga seperti pada Tabel 4.13, kriteria luas pada Tabel 4.14, kriteria keamanan di Tabel 4.15, kriteria perizinan terdapat pada Tabel 4.16, kriteria jarak dari cabang lain pada Tabel 4.17, kriteria jarak dari target pemasaran di Tabel 4.18, kriteria jarak dari jalan raya di Tabel 4.19, dan kriteria jumlah pesaing pada 4.20. a. Harga Tabel 4. 13 Matriks Perbandingan Berpasangan Kriteria Harga N1 (3) 550 N2 (3) 400 N3 (1) 1.150 N4 (1) 2.000 b. Luas N1 (3) 550 N2 (3) 400 N3 (1) 1.150 N4 (1) 2.000 Jumlah 1 1 0,333333 0,33333 2,333333 1 1 0,333333 0,33333 2,333333 3 3 1 1 8 3 3 1 1 8 Tabel 4. 14 Matriks Perbandingan Berpasangan Kriteria Luas N1 24 N2 20 N3 40 N4 120 c. Keamanan N1 24 N2 20 N3 40 N4 120 Jumlah 1 0,833333 1,666667 5 8,5 1,2 1 2 6 10,2 0,6 0,5 1 3 5,1 0,2 0,166667 0,333333 1 1,7 Tabel 4. 15 Matriks Perbandingan Berpasangan Kriteria Keamanan N1 2 N2 2 N3 2 N4 3 N1 2 N2 2 N3 2 N4 3 Jumlah 1 1 1 1,5 4,5 1 1 1 1,5 4,5 1 1 1 1,5 4,5 0,666667 0,666667 commit to 0,666667 user 1 3
digilib.uns.ac.id 46 d. Perizinan Tabel 4. 16 Matriks Perbandingan Berpasangan Kriteria Perizinan N1 3 N2 3 N3 3 N4 3 N1 3 e. Jarak dari Cabang Lain N2 3 N3 3 N4 3 Jumlah 1 1 1 1 4 1 1 1 1 4 1 1 1 1 4 1 1 1 1 4 Tabel 4. 17 Matriks Perbandingan Berpasangan Kriteria Jarak dari Cabang Lain N1 2 N2 2 N3 500 N4 100 N1 2 N2 2 f. Jarak dari Target Pemasaran N3 500 N4 100 Jumlah 1 1 250 50 302 1 1 250 50 302 0,004 0,004 1 0,2 1,208 0,02 0,02 5 1 6,04 Tabel 4. 18 Matriks Perbandingan Berpasangan Kriteria Jarak dari Target Pemasaran N1 (2) 500 N2 (2) 500 N3 (1) 3500 N4 (3) 100 N1 (2) 500 N2 (2) 500 N3 (1) 3500 N4 (3) 100 Jumlah 1 1 0,5 1,5 4 1 1 0,5 1,5 4 2 2 1 3 8 0,666667 0,666667 0,333333 1 2,666667
digilib.uns.ac.id 47 g. Jarak dari Jalan Raya Tabel 4. 19 Matriks Perbandingan Berpasangan Kriteria Jarak dari Jalan Raya N1 (3) 10 N2 (3) 17 N3 (3) 0 N4 (3) 0 h. Jumlah Pesaing N1 (3) 10 N2 (3) 17 N3 (3) 0 N4 (3) 0 Jumlah 1 1 1 1 4 1 1 1 1 4 1 1 1 1 4 1 1 1 1 4 Tabel 4. 20 Matriks Perbandingan Berpasangan Kriteria Jumlah Pesaing N1 (3) 20 N2 (3) 20 N3 (2) 25 N4 (3) 20 N1 (3) 20 N2 (3) 20 N3 (2) 25 N4 (3) 20 Jumlah 1 1 0,666667 1 3,666667 1 1 0,666667 1 3,666667 1,5 1,5 1 1,5 5,5 1 1 0,666667 1 3,666667 2. Membuat matriks normalisasi pada masing masing kriteria, diantaranya kriteria harga seperti pada Tabel 4.21, kriteria luas pada Tabel 4.22, kriteria keamanan di Tabel 4.23, kriteria perizinan terdapat pada Tabel 4.24, kriteria jarak dari cabang lain pada Tabel 4.25, kriteria jarak dari target pemasaran di Tabel 4.26, kriteria jarak dari jalan raya di Tabel 4.27, dan kriteria jumlah pesaing pada 4.28. a. Harga Tabel 4. 21 Matriks Normalisasi Kriteria Harga N1 N2 N3 N4 N1 0,375 0,375 0,125 0,125 N2 0,375 0,375 0,125 0,125 N3 0,375 0,375 0,125 0,125 N4 0,375 0,375 0,125 0,125 Jumlah 1,5 1,5 0,5 0,5
digilib.uns.ac.id 48 b. Luas Tabel 4. 22 Matriks Normalisasi Kriteria Luas N1 N2 N3 N4 N1 0,117647 0,098039 0,196078 0,588235 N2 0,117647 0,098039 0,196078 0,588235 N3 0,117647 0,098039 0,196078 0,588235 N4 0,117647 0,098039 0,196078 0,588235 Jumlah 0,470588 0,392157 0,784314 2,352941 c. Keamanan Tabel 4. 23 Matriks Normalisasi Kriteria Keamanan N1 N2 N3 N4 N1 0,222222 0,222222 0,222222 0,333333 N2 0,222222 0,222222 0,222222 0,333333 N3 0,222222 0,222222 0,222222 0,333333 N4 0,222222 0,222222 0,222222 0,333333 Jumlah 0,888889 0,888889 0,888889 1,333333 d. Perizinan Tabel 4. 24 Matriks Normalisasi Kriteria Perizinan N1 N2 N3 N4 N1 0,25 0,25 0,25 0,25 N2 0,25 0,25 0,25 0,25 N3 0,25 0,25 0,25 0,25 N4 0,25 0,25 0,25 0,25 Jumlah 1 1 1 1 e. Jarak dari Cabang Lain Tabel 4. 25 Matriks Normalisasi Kriteria Jarak dari Cabang Lain N1 N2 N3 N4 N1 0,003311 0,003311 0,827815 0,165563 N2 0,003311 0,003311 0,827815 0,165563 N3 0,003311 0,003311 0,827815 0,165563 N4 0,003311 0,003311 0,827815 0,165563 Jumlah 0,013245 0,013245 3,311258 0,662252 f. Jarak dari Target Pemasaran Tabel 4. 26 Matriks Normalisasi Kriteria Jarak dari Target Pemasaran N1 N2 N3 N4 N1 0,25 0,25 0,125 0,375 N2 0,25 0,25 0,125 0,375 N3 0,25 0,25 0,125 0,375 N4 0,25 0,25 0,125 0,375 Jumlah 1 commit 1 to user 0,5 1,5
digilib.uns.ac.id 49 g. Jarak dari Jalan Raya Tabel 4. 27 Matriks Normalisasi Kriteria Jarak dari Jalan Raya N1 N2 N3 N4 N1 0,25 0,25 0,25 0,25 N2 0,25 0,25 0,25 0,25 N3 0,25 0,25 0,25 0,25 N4 0,25 0,25 0,25 0,25 Jumlah 1 1 1 1 h. Jumlah Pesaing Tabel 4. 28 Matriks Normalisasi Kriteria Jumlah Pesaing N1 N2 N3 N4 N1 0,272727 0,272727 0,181818 0,272727 N2 0,272727 0,272727 0,181818 0,272727 N3 0,272727 0,272727 0,181818 0,272727 N4 0,272727 0,272727 0,181818 0,272727 Jumlah 1,090909 1,090909 0,727273 1,090909 3. Menentukan priority vector (vektor eigen) masing-masing kriteria dengan membagi jumlah normalisasi dengan jumlah alternatif yang diberikan. Kriteria-kriterianya berupa kriteria harga seperti pada Tabel 4.29, kriteria luas pada Tabel 4.30, kriteria keamanan di Tabel 4.31, kriteria perizinan terdapat pada Tabel 4.32, kriteria jarak dari cabang lain pada Tabel 4.33, kriteria jarak dari target pemasaran di Tabel 4.34, kriteria jarak dari jalan raya di Tabel 4.35, dan kriteria jumlah pesaing pada 4.36. a. Harga Tabel 4. 29 Vektor Eigen Kriteria Harga b. Luas Jumlah Normalisasi 1,5 1,5 0,5 0,5 Vektor Eigen 0,375 0,375 0,125 0,125 Tabel 4. 30 Vektor Eigen Kriteria Luas Jumlah Normalisasi 0,470588 0,392157 0,784314 2,352941 Vektor Eigen 0,117647 0,098039 0,196078 0,588235 c. Keamanan Tabel 4. 31 Vektor Eigen Kriteria Keamanan Jumlah Normalisasi 0,888889 0,888889 0,888889 1,333333 Vektor Eigen 0,222222 0,222222 0,222222 0,333333
digilib.uns.ac.id 50 d. Perizinan Tabel 4. 32 Vektor Eigen Kriteria Perizinan Jumlah Normalisasi 1 1 1 1 Vektor Eigen 0,25 0,25 0,25 0,25 e. Jarak dari Cabang Lain Tabel 4. 33 Vektor Eigen Kriteria Jarak dari Cabang Lain Jumlah Normalisasi 0,013245 0,013245 3,311258 0,662252 Vektor Eigen 0,003311 0,003311 0,827815 0,165563 f. Jarak dari Target Pemasaran Tabel 4. 34 Vektor Eigen Kriteria Jarak dari Target Pemasaran Jumlah Normalisasi 1 1 0,5 1,5 Vektor Eigen 0,25 0,25 0,125 0,375 g. Jarak dari Jalan Raya Tabel 4. 35 Vektor Eigen Kriteria Jarak dari Jalan Raya Jumlah Normalisasi 1 1 1 1 Vektor Eigen 0,25 0,25 0,25 0,25 h. Jumlah Pesaing Tabel 4. 36 Vektor Eigen Kriteria Jumlah Pesaing Jumlah Normalisasi 1,090909 1,090909 0,727273 1,090909 Vektor Eigen 0,272727 0,272727 0,181818 0,272727 4. Menentukan perankingan Ranking dari vektor eigen (seperti pada Tabel 4.37) dapat diperoleh dengan mengalikan vektor eigen kriteria dari masing masing alternatif dengan vektor eigen yang bobotnya telah konsisten seperti pada Tabel 4.10. Tabel 4. 37 Perankingan Alternatif N1 N2 N3 N4 Harga 0,0104 0,0104 0,0035 0,0035 Luas 0,0196 0,0163 0,0327 0,0980 Keamanan 0,0309 0,0309 0,0309 0,0463 Perizinan 0,0208 0,0208 0,0208 0,0208 Jarak dari Cabang Lain 0,0002 0,0002 0,0460 0,0092 Jarak dari Target Pemasaran 0,0278 0,0278 0,0139 0,0417 Jarak dari Jalan Raya 0,0486 0,0486 0,0486 0,0486 Jumlah Pesaing 0,0606 0,0606 0,0404 0,0606 Jumlah 0,2172 0,2204 0,2383 0,3241 Dari hasil perhitungan Tabel 4.37, diperoleh bahwa lokasi Gunung Pangilun (N4) merupakan lokasi terbaik dengan hasil penilaian 0,3241 jika dibandingkan
digilib.uns.ac.id 51 dengan 3 lokasi lainnya, yaitu Ulak Karang (N3) dengan hasil penilaian 0,2383, M. Yamin 1 (N1) dengan hasil penilaiannya 0,2204 dan M.Yamin 2 (N2) dengan hasil penilaian 0,2172, seperti yang terlihat pada Gambar 4.22. Lokasi Gunung Pangilun dapat memperoleh hasil tertinggi dibandingkan tiga alternatif lokasi lainnya karena letaknya yang paling dekat dengan target pemasaran, selain itu tingkat keamanan terhadap kriminalitas dari lokasi ini sangat aman, sehingga meskipun harga dari lokasi ini tergolong tinggi dan jumlah pesaing di sekitar lokasi sama dengan pada lokasi M Yamin 1 dan M Yamin 2, lokasi Gunung Pangilun ini paling direkomendasikan untuk menjadi lokasi cabang yang baru. Gambar 4. 17 Hasil Implementasi Kasus Pertama Contoh kasus kedua berupa user hanya memasukkan sebuah alternatif lokasi (pada Gambar 4.24) sehingga digunakan data training berupa data lokasi cabang yang sudah ada pada kecamatan yang sama sebagai pembandingnya seperti pada Tabel 4.38.
digilib.uns.ac.id 52 Gambar 4. 18 Contoh Kasus Kedua
digilib.uns.ac.id
digilib.uns.ac.id 54 1. Membuat matriks perbandingan berpasangan (pairwise comparison) pada masing masing kriteria, antara lain kriteria harga seperti pada Tabel 4.39, kriteria luas pada Tabel 4.40, kriteria keamanan di Tabel 4.41, kriteria perizinan terdapat pada Tabel 4.42, kriteria jarak dari cabang lain pada Tabel 4.43, kriteria jarak dari target pemasaran di Tabel 4.44, kriteria jarak dari jalan raya di Tabel 4.45, dan kriteria jumlah pesaing pada 4.46. a. Harga Tabel 4. 39 Matriks Perbandingan Berpasangan Kriteria Harga Kecamatan Padang Barat N1 (1) 3000 N2 (1) 1200 N1 (1) 3000 N2 (1) 1200 Jumlah 1 1 2 1 1 2 b. Luas Tabel 4. 40 Matriks Perbandingan Berpasangan Kriteria Luas Kecamatan Padang Barat N1 200 N2 56 N1 200 N2 56 Jumlah 1 0,28 1,28 3,57 1 4,57 c. Keamanan Tabel 4. 41 Matriks Perbandingan Berpasangan Kriteria Keamanan Kecamatan Padang Barat N1 2 N2 2 N1 2 N2 2 Jumlah 1 1 2 1 1 2 d. Perizinan Tabel 4. 42 Matriks Perbandingan Berpasangan Kriteria Perizinan Kecamatan Padang Barat N1 3 N2 3 N1 3 N2 3 Jumlah 1 1 2 1 1 2
digilib.uns.ac.id 55 e. Jarak dari Cabang Lain Tabel 4. 43 Matriks Perbandingan Berpasangan Kriteria Jarak dari Cabang Lain Kecamatan Padang Barat N1 50 N2 2 N1 50 N2 2 Jumlah 1 0,04 1,04 25 1 26 f. Jarak dari Target Pemasaran Tabel 4. 44 Matriks Perbandingan Berpasangan Kriteria Jarak dari Target Pemasaran Kecamatan Padang Barat N1 (3) 25 N2 (2) 500 N1 (3) 25 N2 (2) 500 Jumlah 1 0,67 1,67 1,5 1 2,5 g. Jarak dari Jalan Raya Tabel 4. 45 Matriks Perbandingan Berpasangan Kriteria Jarak dari Jalan Raya Kecamatan Padang Barat N1 (3) 3 N2 (3) 10 N1 (3) 3 N2 (3) 10 Jumlah 1 1 2 1 1 2 h. Jumlah Pesaing Tabel 4. 46 Matriks Perbandingan Berpasangan Kriteria Jumlah Pesaing Kecamatan Padang Barat N1 (3) 12 N2 (3) 20 N1 (3) 12 N2 (3) 20 Jumlah 1 1 2 1 1 2 2. Membuat matriks normalisasi pada masing masing kriteria, yaitu kriteria harga seperti pada Tabel 4.47, kriteria luas pada Tabel 4.48, kriteria keamanan di Tabel 4.49, kriteria perizinan terdapat pada Tabel 4.50, kriteria jarak dari cabang lain pada Tabel 4.51, kriteria jarak dari target pemasaran di
digilib.uns.ac.id 56 Tabel 4.52, kriteria jarak dari jalan raya di Tabel 4.53, dan kriteria jumlah pesaing pada 4.54. a. Harga Tabel 4. 47 Matriks Normalisasi Kriteria Harga Kecamatan Padang Barat b. Luas N1 N2 N1 0,5 0,5 N2 0,5 0,5 Jumlah 1 1 Tabel 4. 48 Matriks Normalisasi Kriteria Luas Kecamatan Padang Barat N1 N2 N1 0,78125 0,21875 N2 0,78125 0,21875 Jumlah 1,5625 0,4375 c. Keamanan Tabel 4. 49 Matriks Normalisasi Kriteria Keamanan Kecamatan Padang Barat N1 N2 N1 0,5 0,5 N2 0,5 0,5 Jumlah 1 1 d. Perizinan Tabel 4. 50 Matriks Normalisasi Kriteria Perizinan Kecamatan Padang Barat N1 N2 N1 0,5 0,5 N2 0,5 0,5 Jumlah 1 1 e. Jarak dari Cabang Lain Tabel 4. 51 Matriks Normalisasi Kriteria Jarak dari Cabang Lain Kecamatan Padang Barat N1 N2 N1 0,96154 0,03846 N2 0,96154 0,03846 Jumlah 1,92308 0,07692
digilib.uns.ac.id 57 f. Jarak dari Target Pemasaran Tabel 4. 52 Matriks Normalisasi Kriteria Jarak dari Target Pemasaran Kecamatan Padang Barat N1 N2 N1 0,6 0,4 N2 0,6 0,4 Jumlah 1,2 0,8 g. Jarak dari Jalan Raya Tabel 4. 53 Matriks Normalisasi Kriteria Jarak dari Jalan Raya Kecamatan Padang Barat N1 N2 N1 0,5 0,5 N2 0,5 0,5 Jumlah 1 1 h. Jumlah Pesaing Tabel 4. 54 Matriks Normalisasi Kriteria Jumlah Pesaing Kecamatan Padang Barat N1 N2 N1 0,5 0,5 N2 0,5 0,5 Jumlah 1 1 3. Menentukan priority vector (vektor eigen) masing-masing kriteria dengan membagi jumlah normalisasi dengan jumlah alternatif yang diberikan. Kriteria-kriterianya berupa kriteria harga seperti pada Tabel 4.55, kriteria luas pada Tabel 4.56, kriteria keamanan di Tabel 4.57, kriteria perizinan terdapat pada Tabel 4.58, kriteria jarak dari cabang lain pada Tabel 4.59, kriteria jarak dari target pemasaran di Tabel 4.60, kriteria jarak dari jalan raya di Tabel 4.61, dan kriteria jumlah pesaing pada 4.62. a. Harga Tabel 4. 55 Vektor Eigen Kriteria Harga Kecamatan Padang Barat b. Luas Jumlah Normalisasi 1 1 Vektor Eigen 0,5 0,5 Tabel 4. 56 Vektor Eigen Kriteria Luas Kecamatan Padang Barat Jumlah Normalisasi 1,5625 0,4375 Vektor Eigen 0,78125 0,21875
digilib.uns.ac.id 58 c. Keamanan Tabel 4. 57 Vektor Eigen Kriteria Keamanan Kecamatan Padang Barat d. Perizinan Jumlah Normalisasi 1 1 Vektor Eigen 0,5 0,5 Tabel 4. 58 Vektor Eigen Kriteria Perizinan Kecamatan Padang Barat Jumlah Normalisasi 1 1 Vektor Eigen 0,5 0,5 e. Jarak dari Cabang Lain Tabel 4. 59 Vektor Eigen Kriteria Jarak dari Cabang Lain Kecamatan Padang Barat Jumlah Normalisasi 1,92308 0,07692 Vektor Eigen 0,96154 0,03846 f. Jarak dari Target Pemasaran Tabel 4. 60 Vektor Eigen Kriteria Jarak dari Target Pemasaran Kecamatan Padang Barat Jumlah Normalisasi 1,2 0,8 Vektor Eigen 0,6 0,4 g. Jarak dari Jalan Raya Tabel 4. 61 Vektor Eigen Kriteria Jarak dari Jalan Raya Kecamatan Padang Barat Jumlah Normalisasi 1 1 Vektor Eigen 0,5 0,5 h. Jumlah Pesaing Tabel 4. 62 Vektor Eigen Kriteria Jumlah Pesaing Kecamatan Padang Barat Jumlah Normalisasi 1 1 Vektor Eigen 0,5 0,5 4. Menentukan perankingan Ranking dari vektor eigen (seperti pada Tabel 4.63) dapat diperoleh dengan mengalikan vektor eigen kriteria dari masing eigen yang bobotnya telah konsisten seperti pada Tabel 4.10. masing alternatif dengan vektor
digilib.uns.ac.id 59 Tabel 4. 63 Perankingan Alternatif N1 N2 Harga 0,0139 0,0139 Luas 0,1302 0,0365 Keamanan 0,0694 0,0694 Perizinan 0,0417 0,0417 Jarak dari Cabang Lain 0,0534 0,0021 Jarak dari Target Pemasaran 0,0667 0,0444 Jarak dari Jalan Raya 0,0972 0,0972 Jumlah Pesaing 0,1111 0,1111 Jumlah 0,5836 0,4164 Pada contoh kasus ini, hasilnya berupa nilai N2 (alternatif lokasi M Yamin 3) memiliki nilai akhir yang lebih rendah dari pada lokasi cabang yang sudah ada yaitu Ivo Permindo (N1), sehingga lokasi tersebut Tidak Layak menjadi lokasi cabang baru selanjutnya. Alternatif lokasi M Yamin 3 (N2) ini dianggap tidak layak karena jika dibandingkan dengan Cabang Permindo, lokasinya yang cukup jauh dari target pemasaran dan memiliki jumlah pesaing yang lebih besar. Gambar 4. 19 Hasil Implementasi Contoh Kasus Kedua 4.4.3. Evaluasi Kepuasan Pengguna Kuisioner diberikan kepada 5 orang pemilik Toko Ivo Busana yang telah menggunakan sistem. Kuisioner terdiri atas empat pertanyaan dengan masingmasing pertanyaan diberikan rentang nilai berupa 1 (tidak setuju), 2 (kurang setuju), 3 (cukup setuju), 4 (lebih commit setuju), to dan user 5 (sangat setuju).
digilib.uns.ac.id 60 Responden setuju bahwa sistem ini mudah digunakan, hal ini terlihat dari 2 orang responden memberikan nilai 5 dan 3 orang lainnya memberikan nilai 4. Tiga orang responden memberikan nilai 4 dan dua responden lainnya memberikan nilai 3 untuk pertanyaan mengenai hasil rekomendasi yang diberikan sistem telah sesuai dengan kebutuhan user. Sistem ini dianggap bermanfaat, hal ini terlihat dari 3 orang responden memberikan penilaian 3, seorang responden memberikan nilai 4 dan seorang responden lainnya memberikan nilai 5. Tampilan dari sistem ini dianggap sangat menarik untuk seorang responden. Dua orang responden lainnya memberikan nilai 4 untuk tampilan sistem, seorang responden memberikan nilai 3 dan seorang responden lainnya memberikan nilai 2. Dari keempat soal kuisioner yang diberikan kepada lima orang responden, didapatkan bahwa sistem ini mudah digunakan, memiliki tampilan yang menarik, telah sesuai dengan kebutuhan dan bermanfaat untuk membantu para wirausahawan dalam menentukan lokasi cabang usaha.