Embed Size (px)
DESCRIPTION
skripsi
Citation preview
Page | 1
APLIKASI ANALYTIC NETWORK PROCESS (ANP) PADA
PEMILIHAN PROGRAM KEKHUSUSAN
Imam Pratomo B S
Jurusan Teknik Informatika FTKI. Universitas Nasional Jakarta
Email : [email protected]
ABSTRAK
Kebutuhan akan sistem informasi terus meningkat, terutama untuk sistem informasi
yang dapat membantu dalam pengambilan keputusan. seperti metode dalam
pengambilan keputusan yaitu metode Analytic Network Process. Metode ini
merupakan metode yang dapat memecahkan permasalahan multikriteria dalam
sebuah keputusan yang berhirarki network.Pemilihan program kekhususan mahasiswa
di program studi, merupakan sebuah sistem yang membutuhkan penanganan serius.
Belum optimalnya penggunaan perangkat lunak yang dapat menunjang pengambilan
keputusan untuk rekomendasi pemilihan program kekhususan yang perhitungan
concitency ratio < 0.1 Berdasarkan permasalahan tersebut penyusun tertarik
membangun aplikasi Sistem Pendukung Keputusan dengan metode Analytic Network
Process yang dapat memecahkan permasalahan multikriteria serta diharapkan
membantu menentukan program kekhususan sesuai dengan kriteria yang di punyai
mahasiswa tersebut. kriteria yang di gunakan yaitu nilai, kemampuan, dan
minat.Consitency Ratio aplikasi ini di bawah 0.1 dengan rincian nilai CR sub kriteria
nilai 0.0280, nilai CR sub kriteria kemampuan 0.0516, nilai CR sub kriteria minat
0.0370. Dari hasil salah satu sample implementasi aplikasi ANP dan perhitungan
secara manual di dapatkan rekomendasi pilhan program kehususan grafik komputer
dan multimedia yaitu 0.344 atau sekitar 34.4%, Jaringan Komputer 0.125 atau sekitar
12.5%, Teknologi Perangkat Lunak 0.530 atau sekitar 53 %. Dan dari hasil olahan
data di aplikasi ANP, sample sebanyak 30 mahasiswa teknik informati ka Universitas
Nasional angkatan 2010 data rekomendasi pilihan program kekhususan dengan rata-
rata program kekhsusan grafik Komputer & Multimedia yaitu 0.420 atau 42 %,
Jaringan Komputer yaitu 0.246 atau 24.6 % dan Teknologi Perangkat Lunak 0.334
atau 33.4%.
Kata Kunci : Sistem Pendukung Keputusan, Analytic Network Processs (ANP),
Program Kekhususan, Consitency Ratio
ABSTRACT
The need for information systems continue to increase, particularly for information
systems that can assist in decision making. such methods in decision-making, namely
Analytic Network Process. This method can solve problems in a decision multicriteria
hierarchical specificity network.Pemilihan program students in the study program, is a
system that requires serious treatment. Not optimal use of software that can support
decision making on the selection of programs for the calculation of specificity
concitency ratio <0.1 Based on the problems authors are interested in building
Page | 2
applications with the Decision Support System Analytic Network Process to solve the
problems of multicriteria and is expected to help determine the specificity of the
program in accordance with the criteria which in punyai students. criteria used are
values, skills, and minat.Consitency Ratio below 0.1 application with details of the
value of CR sub criterion value 0.0280, the value of CR sub 0.0516 capability criteria,
sub-criteria of interest CR worth 0.0370. From the results of a sample application
implementation manual calculation ANP and get advice on the choice of program
kehususan computer graphics and multimedia that is 0344 or approximately 34.4%,
Computer Networks 0125 or about 12.5%, Software Technology 0530, or about 53%.
And from the processed data in the application of ANP, samples as many as 30
students of the National University of informatics engineering force 2010 data on the
specificity of programming options with an average program kekhsusan Computer
graphics & Multimedia ie 0420 or 42%, Computer Networks ie 0246 or 24.6%, and
Device Technology software 0334 or 33.4%.
Keywords: Decision Support Systems, Analytic Network processs (ANP), Specificity
Program, Consitency Ratio
1. PENDAHULUAN
Pemilihan program kekhususan
mahasiswa di setiap program studi,
merupakan sebuah sistem yang
membutuhkan penanganan yang serius.
Karena tidak sedikit mahasiswa memilih
program kekhususan tanpa melihat latar
belakang eksistensi dirinya. Di setiap
Universitas mahasiswa wajib untuk
memilih program kekhususan yang sesuai
dengan program studi yang di pilih
mahasiswa. Biasanya mahasiswa akan
membicarakan penentuan jalur ini pada
Dosen Pembimbing Akademik sebelum
mengisi Kartu Rencana Studi (KRS).
Namun belum optimalnya
penggunaan perangkat lunak yang dapat
menunjang dalam pengambilan keputusan
untuk rekomendasi pemilihan program
kekhususan yang valid, sehingga pada
akhirnya mahasiswa tersebut asal pilih
program kekhususan dan terjebak dalam
program kekhususan yang tidak sesuai
dengan kompetensi yang di miliki. Salah
satu contoh yang akan disorot dalam hal ini
adalah bagaimana mahasiswa tersebut
mengambil program kekhususan yang
sesuai dengan kriteria-kriteria dari masing
– masing program kekhususan.
Oleh sebab itu perlu dibangun
sistem penunjang keputusan yang valid
sebagai suatu pemberi keputusan untuk
memilih program kekhususan sesuai
dengan kriteri-kriteria dari masing- masing
program kekhususan tersebut. hasil
akhirnya berupa daftar rekomendasi
program kekhususan yang cocok sesuai
dengan latar belakang kompetensi yang di
miliki mahasiswa tersebut.
Berdasarkan uraian tersebut di atas,
penulis tertarik untuk merancang suatu
aplikasi yang dapat membantu mahasiswa
dalam pengambilan keputusan untuk
melakukan pertimbangan terhadap faktor-
faktor dalam memilih program kekhususan
dengan menggunakan metode ANP
(Analytic Network Process) yang dapat
memecahkan permasalahan multikriteria
serta diharapkan dapat membantu dalam
menentukan program kekhususan sesuai
dengan kriteria yang di punyai mahasiswa
tersebut.
2. TINJAUAN PUSTAKA
Pengertian ANP
ANP merupakan metode yang dapat
memecahkan permasalahan multikriteria
dalam sebuah keputusan yang berhirarki
network.
Page | 3
Perbedaan AHP dan ANP
Tabel 2.1 Perbedaan AHP dan ANP
N
O
PERBED
AAN
AHP ANP
1 Kerangka Hierarki Jaringan
2 Hubungan Dependensi Depende
nsi dan
Feedback
3 Prediksi Kurang
Akurat
Lebih
Akurat
4 Hasil Matriks,
Eigenvector
Supermat
riks
Kurang
Stabil
Lebih
Stabil
5 Cakupan Sempit/Ter
batas
Luas
Pada tabel 2.1 merupakan perbedaan AHP
dan ANP perbedaan pertama terletak pada
struktur kerangka model yang berbentuk
hierarki pada AHP dan berbentuk jaringan
pada ANP. Hal ini membuat ANP dapat
diaplikasikan lebih luas dari ANP.
Perbedaan Kedua, dalam struktur hierarki
hanya ada dependensi level yang lebih
rendah kepada level yang lebih tinggi,
sementara dalam struktur jaringan terdapat
juga feedback. Dengan feedback alternatif
dapat dependen terhadap kriteria, seperti
pada hierarki, tetapi dapat pula dependen
satu sama lain. perbedaan ketiga feedback
memperbaiki prioritas yang dihasilkan dari
penilaian, dan membuat prediksi lebih
akurat. Perbedaan keempat asil AHP
adalah matriks dan eigenvector yang
menunjukkan skala prioritas, sedangkan
hasil ANP berupa supermatriks skala
prioritas yang lebih stabil karena adanya
feedback perbedaan ke lima Cakupan AHP
terbatas pada struktur yang hierarkis,
sedangkan cakupan ANP meluas tak
terbatas
3. TAHAP PERANCANGAN
Fase Desain
Gambar 3.1. Struktur ANP Pemilihan
Program Kekhususan
Penjelasan dari struktur di atas, yaitu:
1. Tujuan
Tujuan dari struktur hirarki di atas
adalah menentukan program
kekhususan.
2. Kriteria
Kriteria yang digunakan adalah Nilai,
Kemampuan, Minat
Berikut merupakan penjelasan dari
masing-masing kriteria:
a. Nilai
Nilai merupakan faktor yang
paling penting dalam menentukan
program kekhususan karena nilai
dari beberapa mata kuliah itu ada
hubungannya dari ketiga program
kekhususan yang akan di pilih
b. Kemampuan
Kemampuan adalah kriteria yang
di punyai dalam diri mahasiswa.
Di masing-masing program
kekhususan mempunyai
kemampuan yang berbeda – beda
misalnya untuk memilih program
kekhususan TPL maka harus
mampu analisis suatu program.
c. Minat
Minat adalah Suatu keinginan
mahasiswa ingin memperdalam
suatu bidang tertentu yang pada
akhirnya juga menentukan
program kekhususan yang akan di
pilihnya.
3. Sub Kriteria
Page | 4
yaitu aspek yang mendukung kriteria
tersebut. sub kriteria dari nilai yaitu
nilai TPL, Nilai Jaringan Komputer,
Nilai Multimedia. sub kriteria dari
kemampuan yaitu kemampuan
program, kemampuan jaringan,
kemampuan multimedia. sub kriteria
dari minat yaitu aplikasi,
pengembangan bidang jaringan,
animasi dan game.
4. Alternatif
Alternatif merupakan rekomendasi
program kekhususan yang akan di
pilih mahasiswa yang bersangkutan.
Algoritma ANP
Gambar 3.2 Algoritma Perhitungan ANP
Dari gambar 3.2 merupakan Proses
Perhitungan ANP. dengan Penjelasan
sebagai berikut
1. Pairwise Comparisson
Merupakan Proses Pengisian Matrik
Perbandingan dari sub kriteria dan
antar kriteria. Perbandingan di lakukan
berdasarkan penilaian setiap elemen
dengan skala penilaian perbandingan
berpasangan, setelah itu muncul nilai
eigen vektor yang menggambarkan
nilai prioritas lokal
2. Hitung CR
Yaitu menghitung tingkat sutatu
konsistensi suatu matriks
perbandingan jika consitensi rasionya
> 0.1 maka lakukan pairwise ulang
dan jika consistensi rasio <0.1 maka
berlanjut ke tahap berikutnya
3. Cluster Matrik
Yaitu diperoleh dari matriks
perbandingan yang menggambarkan
pengaruh setiap kriteria atas kriteria
lainnya.
4. Unweighted Super Matrix
Yaitu diperoleh dari dengan dengan
memasukan nilai prioritas ke dalam
matrik.
5. Weighted Super Matrix
Yaitu diperoleh dari dengan
mengkalikan matriks kelompok
dengan unweightes super matriks
6. Limit Matrixs
Yaitu limit matrik di peroleh
memangkatkan weighted super matrik
dengan pangkat yang besar sehingga
dari setiap 1 baris dari kolom
mempunyai nilai yang sama.
7. Normalisasi Limit Matrik
Yaitu diperoleh dari normalisasi limit
matrik
8. Pembobotan Proritas
Merupakan nilai prioritas dari masing-
masing sub kriteria diperoleh dari data
limit matriks
9. Hasil akhir
Merupakan proses yang menunjukan
perangkingan dari alternatif keputusan
yang diperoleh dari data supermatriks
limit
4. HASIL PEMBAHASAN
Model ANP
Gambar 4.1 Tampilan Hubungan Saling
Ketergantungan Antar
Kriteria & Sub Kriteria
Page | 5
Pada gambar 4.1 Tampilan Hubungan
Saling Ketergantungan Antar Sub Kriteria.
Anak panah yang lurus menunjukkan
hubungan saling ketergantungan sub
kriteria antar kelompok (outer
dependency), sedangkan anak panah yang
melingkar menunjukkan hubungan saling
ketergantungan sub kriteria dalam satu
kelompok (inner dependency). Setelah sub
kriteria yang mempunyai hubungan
ketergantungan telah dihubungkan semua.
Proritas dan Consitecy Ratio
Gambar 4.2 Prioritas Sub Kriteria
dalam Kriteria Nilai dan Hasil
Consitency Ratio
Pada gambar 4.2 merupakan nilai prioritas
dari sub kriteria dalam kriteria nilai dan
hasil consitency ratio, Dalam gambar 4.2
terlihat juga hasil consiteny ratio yaitu
0,0280 berarti hasil perbandingannya
konsisten. Hasil consitency rasio yang
baik apabila CR < 0,1.
Gambar 4.3 Prioritas Sub Kriteria dalam
Kriteria Kemampuan dan
Hasil Consitency Ratio
Pada gambar 4.3 merupakan nilai prioritas
dari sub kriteria dalam kriteria kemampuan
dan hasil consitency ratio. Dalam gambar
4.3 terlihat juga hasil consiteny ratio yaitu
0,0516 berarti hasil perbandingannya
konsisten. Hasil consitency rasio yang
baik apabila CR < 0,1.
Gambar 4.4 Prioritas Sub Kriteria dalam
Kriteria Minat dan Hasil Consitency
Ratio
Pada gambar 4.4 merupakan nilai prioritas
dari sub kriteria dalam kriteria minat dan
hasil consitency ratio, Pada hasil tersebut
prioritas pertama yang unggul Aplikasi
kemudian Animasi, Game dan terakhir
Pengembangan bidang jaringan. Dalam
gambar 4.4 terlihat juga hasil consiteny
ratio yaitu 0,0370 berarti hasil
perbandingannya konsisten. Hasil
consitency rasio yang baik apabila CR <
0,1.
Gambar 4.5 Prioritas antar Kriteria dan
Hasil Consitency Ratio
Pada gambar 4.5 merupakan nilai prioritas
dari sub kriteria dalam kriteria minat dan
Page | 6
hasil consitency ratio, Pada hasil tersebut
prioritas pertama yang unggul Alternatives,
Nilai, Kemampuan dan terakhir Minat.
Dalam gambar 4.5 terlihat juga hasil
consiteny ratio yaitu 0,0536 berarti hasil
perbandingannya konsisten. Hasil
consitency rasio yang baik apabila CR <
0,1.
Cluster Matrix
Tabel 4.1 Tampilan Hasil Matrik
Kelompok (Cluster Matrix)
Pada tabel 4.1 itu merupakan hasil
matrik kelompok (cluster matrix) yang di
peroleh dari matriks perbandingan yang
menggambarkan pengaruh setiap kriteria
atas kriteria lainnya.
Unweigted Super Matrix
Tabel 4.2 Hasil Supermatriks Tidak
Tertimbang (Unweighted Super Matrix)
Pada tabel 4.2 merupakan hasil
unweighted super matrix. Hasil dari
unweighted super matrix di peroleh dari
dengan memasukan nilai prioritas sub
krteria ke dalam matrik.
Weighted Super Matrix
Tabel 4.3 Tampilan Hasil Super
Matrik Tertimbang (Weighted Super
Matrix)
Pada tabel 4.3 merupakan tampilan
hasil weighted super matrix. Hasil dari
weighted Super Matrik di peroleh dari dengan mengkalikan matriks kelompok
dengan unweighted super matrix.
Limit Matrix
Tabel 4.4 Tampilan Hasil Super Matrik
Limit ( Limit Matrix)
Pada tabel 4.4. merupakan
tampilan hasil limit matrix. Hasil dari
Limit Matrik di peroleh dari mengkalikan
supermatriks limit dengan dirinya sendiri.
Jika nilai prioritas tiap kolom sama, maka
Page | 7
selesai. Jika nilai prioritas tiap kolom
belum sama, maka kalikan lagi.
Tabel 4.5 Tampilan Hasil Nilai Prioritas
Akhir
Pada tabel 4.5 merupakan tampilan hasil
nilai proritas akhir. Hasil dari nilai prioritas
akhir merupakan nilai proritas dari masing-
masing sub kriteria di peroleh dari data
supermatriks limit
Hasil Akhir (Synthesize)
Tabel 4.6 Tampilan Hasil Akhir
Pada tabel 4.6 merupakan tampilan
hasil akhir. Hasil akhir merupakan Proses
yang menunjukan perangkingan dari
alternatif yang diperoleh dari data
supermatriks limit. Nilai pada kolom raw
adalah nilai eigenvector yang dihasilkan
dari limiting supermatrik. Bobot pada
kolom normal adalah nilai normalisasi dari
kolom raw sehingga jumlah totalnya
adalah 1. Sedangkan nilai pada kolom ideal
adalah nilai hasil bagi antara nilai pada
kolom normal yang dibagi dengan nilai
terbesar pada kolom normal, sehingga nilai
terbesarnya adalah sama dengan 1. Dari
Hasil tersebut menyatakan bahwa
alternativ rekomendasi pemilihan program
kekhususan yang akan di pilih salah satu
mahasiswa yang di jadikan sample
pnelitian adalah Teknologi Perangkat
Lunak menjadi prioritas pertama kemudian
Grafik Komputer & Multimedia menjadi
urutan kedua dan prioritas terakhir
Jaringan Komputer.
Hasil Olahan Data
Tabel 4.7 Hasil Olahan Data Aplikasi
ANP di Super Decision
Pada tabel 4.7 merupakan hasil
olahan data di aplikasi ANP, peneliti
mengambil sample sebanyak 30
mahasiswa teknik informatika angkatan
2010 dari tabel tersebut di dapat
rekomendasi pilihan program kekhususan
dengan rata-rata grafik Komputer &
Page | 8
Multimedia yaitu 0.420, Jaringan
Komputer yaitu 0.246 dan Teknologi
Perangkat Lunak 0.334.
5. KESIMPULAN
a. Kelebihan metode ANP yaitu
adanya keterkaitan dalam satu set
elemen (inner dependence) dan
keterkaitan antar elemen yang
berbeda (outer dependence).
Adanya keterkaitan tersebut
menyebabkan metode ANP lebih
kompleks dibanding metode AHP.
b. Aplikasi ini mampu memeriksa
tingkat CR < 0.1 yang berarti
bahwa aplikasi dapat memberikan
hasil rekomendasi pilihan program
kekhususan berkualitas dan valid
yaitu dengan rincian nilai CR dari
sub kriteria nilai 0.0280, nilai CR
dari sub kriteria kemampuan
0.0516 nilai CR dari sub kriteria
minat 0.0370.
c. Dari hasil implementasi hasil
perhitungan ANP yang di lakukan
dalam aplikasi ini sesuai dengan
hasil perhitungan ANP Secara
manual dengan rincian pilihan
program kekhususan grafik
komputer dan multimedia yaitu
0.344 atau sekitar 34,4 %, program
kekhususan jaringan komputer
0.125 atau sekitar 12.5%, program
kekhususan teknik perangkat lunak
0.530 atau sekitar 53 %
d. Hasil olahan data di aplikasi ANP,
peneliti mengambil sample
sebanyak 30 mahasiswa teknik
informatika angkatan 2010 dari
tabel tersebut di dapat rekomendasi
pilihan program kekhususan
dengan rata-rata program
kekhususan grafik Komputer &
Multimedia yaitu 0.420 atau sekitar
42 %, program kekhusan Jaringan
Komputer yaitu 0.246 atau sekitar
24.6% dan Teknik Perangkat Lunak
0.334 atau sekitar 33.4%
DAFTAR ACUAN
Adams wiliam J. 2011 “Super
Decision Sofware Guide “http://.ii.spb.ru/admin/docs/Super
DecisionsHelp2011.pdf Di akses
30 Oktober 2012
Ciptomulyono, Udisubakti. 2011
“Perancangan Sistem dan
Pengukuran Kinerja Lingkungan
dengan Menggunakan Pendekatan
Integrated Environmental
Performance Measurement
(IEPMS)- Analytical Network
Process di PT Mermaid Textile
Industri Indonesia” ITS, Surabaya
Creative Decisions Foundation, 2012.
“SoftwareSuperDecision
http://www.super decisions.com
diakses 14 Oktober.2012
Feny, 2011, “Analytic Network
Process”. http://dss.constructive-
learning.info/?p=117 Di akses 2
Oktober 2012
Hanafi, Rakhmat Febryanto dan
Ciptomulyono, Udisubakti. 2011.
“Penentuan Prioritas Pembangunan
Parawisata di Pulau Lombok
dengan Metode Location Quotient
(LQ) dan Analytic Network Process
(ANP)” ITS, Surabaya.
O.N. Andreichicova, 2009. “An
Application Of The Analytic
Network Process to Researching
Oral Health” Russian State
University of Innovation
Technologies and Bussiness,
Moscow. Rusia.
Page | 9
Priyandika, Chandra dan Singgih, L
Mosses. 2011. “Pengambilan
Keputusan Multikriteria Dalam
Pemilihan Vendor Alat Pelindung
Diri (APD) dengan Pendekatan
RISK Management Dan Analysis
Network Process (ANP)”.
Prosiding Seminar Nasional
Manajemen Teknologi XIII
R. Stanley, Januar. Setiawan
Alexander, Santoso Leo Wiliyanto,
2010. “Pembuatan Aplikasi Sistem
Seleksi Calon Pegawai di PT
X”Universitas Kristen Petra,
Surabaya
Singgih, L Mosses. dan Hennytasari,
Evanindya. 2009. “Pemilihan
Alternatif Perbaikan Kinerja
Lingkungan Sektor Industri
Potensial di Jawa Timur dengan
Metode Economic Input-Output
Life-Cycle Assessment (EIO-LCA)
dan Analytic Network Process
(ANP)” Seminar Nasional
Perencanaan Wilayah dan Kota
ITS, Surabaya , 29 Oktober 2009.
Triwulandari S. Dewayana, Ahmad
Budi W, 2009. “Pemilihan
Pemasok COOPER ROD
Mengunakan Metode ANP”,
J@TI Undip, Vol IV, No 3,
September 2009
Yunianto, Maksum Yunianto. dan
Ciptomulyono, Udisubakti. 2011.
“Kajian Life Cycle Assessment
(LCA) untuk Perbaikan Produksi
Air Bersih Instalasi Pengolahan Air
Minum (IPAM) Ngagel II PDAM
Surabaya Dengan Pendekatan
Analytic Network Process (ANP)”
ITS, Surabaya.
