-
45
BAB IV
HASIL PENELITIAN
4.1 Profil Perusahaan
4.1.1 Profil Perusahaan
PT Wijaya Karya (Persero) Tbk adalah salah satu perusahaan BUMN
yang
bergerak dalam bidang konstruksi bangunan di Indonesia. PT
Wijaya Karya (Persero)
Tbk didirikan pada tanggal 29 Maret 1961 dari hasil
nasionalisasi perusahaan Belanda
yang bernama Naamloze Vennotschap Technische Handel Maatschappij
en
Bouwbedijf Vis en Co atau NV Vis en Co, berdasarkan Peraturan
Pemerintah No. 2
Tahun 1960 dan Surat Keputusan Menteri Pekerjaan Umum dan Tenaga
Listrik
(PUTL) No. 5 tanggal 11 Maret 1960, WIKA lahir dengan nama
Perusahaan Negara
Bangunan Widjaja Karja dan mulai beroperasi secara komersial
pada tahun 1961,
namun pada tahun 1972 berganti nama menjadi PT Wijaya Karya dan
berkembang
menjadi sebuah kontraktor konstruksi. Kantor pusat WIKA
beralamat di Jl. D.I
Panjaitan Kav.9, Jakarta Timur 13340 dengan lokasi kegiatan di
dalam negeri maupun
luar negeri. PT. Wijaya Karya (Persero) Tbk memiliki 6 anak
perusahaan, yaitu :
1. PT. Wijaya Karya Beton Tbk (WIKA BETON)
2. PT. Wijaya Karya Realty (WIKA REALTY)
3. PT. Wijaya Karya Rekayasa Konstruksi
4. PT. Wijaya Karya Gedung
5. PT. Wijaya Karya Bitumen
6. PT. Wijaya Karya Industri dan Konstruksi (WIKON)
Pada penelitian ini saya mengambil data salah satu anak
perusahaan dari PT.
Wijaya Karya Persero (Tbk) yaitu PT. Wijaya Karya Industri dan
Konstruksi
(WIKON). Pada awalnya, perusahaan ini bernama PT Wijaya Karya
Intrade (WIK),
45
-
100
namun sebagaimana telah dinyatakan dalam Akta Notaris No. 35
tanggal 12 April
2013 yang dibuat oleh Notaris Sri Ismayati, S.H di Jakarta dan
memperoleh
persetujuan dari Kementerian Hukum dan Hak Asasi Manusia No.
AHU-
21488.AH.01.02.2013 pada tanggal 22 April 2013, PT Wijaya Karya
Intrade (WIK)
berganti nama menjadi PT. Wijaya Karya Industri dan Konstruksi
(WIKON). WIKON
bergerak pada bidang industri dan konstruksi bangunan yang
menangani berbagai
proyek pembangunan dalam negeri maupun luar negeri seperti
proyek pembangunan
LRT (Light Rapid Transportation) Kelapa Gading-Velodrome, proyek
pembangunan
jalan tol Semanggi, dan proyek pembangunan jalan tol Cengkareng
- Batu Ceper -
Kunciran. Salah satu dari proyek terebur menjadi tempat penulis
dalam melakukan
penelitian ini. Proyek pembangunan jalan tol Cengkareng – Batu
Ceper – Kunciran
adalah proyek yang kantor cabangnya berlokasi di Jalan Wijaya
Kusuma, Perumahan
Banjar Wijaya Blok A11, No.14, Cipondoh, Tangerang. Proyek ini
telah berjalan
kurang lebih selama 11 bulan terhitung sejak bulan April 2017
dan direncanakan akan
selesai pada akhir tahun 2019.
4.1.2 Visi Misi dan Nilai Perusahaan
VISI : Menjadi Perusahaan terkemuka di Industri Manufaktur dan
Konstruksi
di Indonesia.
MISI :
1. Menghasilkan produk dan layanan konstruksi sesuai dengan
permintaan
pelanggan.
2. Memproduksi alumunium casting, plastik dan press parts yang
berkualitas
tinggi untuk menambah nilai bagi semua pihak.
3. Menerapkan/mengintegrasikan Sistem Manajemen yang
terintegrasi secara
praktis.
4. Komitmen terhadap implementasi nilai-nilai perusahaan.
NILAI PERUSAHAAN
1. Commitment (komitmen) : Berbuat sesuai kesepakatan dan
janji.
2. Innovation (inovasi) : Selalu mencari sesuatu yang lebih
baik.
-
47
3. Balance (keseimbangan) : Menjaga keseimbangan semua
aspek.
4. Excellence (keunggulan) : Memberikan hasil lebih baik.
5. Relationship (hubungan) : Hubungan kemitraan yang baik untuk
para
pihak.
6. Teamwork (kerjasama tim) : Sinergi, kerja sama intra dan
lintas unit kerja.
7. Integrity (integritas) : Keutuhan dan ketulusan yang meliputi
keadilan,
bertanggung jawab, berintegritas, transparan, dan jujur.
4.1.3 Struktur Organisasi
Struktur organisasi di PT. Wijaya Karya (Tbk) pada proyek
pembangunan
jalan tol Cengkareng - Batu Ceper – Kunciran berbentuk lini dan
staff. Lini dan staf
merupakan pelimpahan wewenang dalam organisasi dengan
berlangsung secara
vertical dari atasan hingga bawahan. Struktur Organisasi Proyek
Cengkareng – Batu
Ceper – Kunciran sebagai berikut
-
48
Pelaksana Pelaksana
Site Engineer Admin Lapangan Site Engineer
Pelaksana Utama Pelaksana Utama
Gambar 4.1 Struktur Organisasi PT. Wijaya Karya
Sumber : PT. Wijaya Karya Persero (Tbk), 2019.
4.1.4 Responden Penelitian
Pengambilan data pada penelitian ini dengan cara menyebarkan
kuesioner kepada
5 responden dimana responden memiliki hubungan secara langsung
dengan supplier
dalam pembelian dan penyewaan alat dan material. Penulis memilih
5 responden
tersebut karena responden sangat mengenal karakter dari supplier
untuk mendukung
kebasahan data yang akan penulis teliti. Responden tersebut
sebagai berikut :
Manajer Konstruksi Manajer Konstruksi
Engineering Staff
Drafter
Admin Surveyor
Surveyor
Health&Safety Admin
SHE Officer
Security
Doc Control Staff
QA Engineer
Laboratorium Staff
QC Staff
Procurement Staff
Secetary
Tax Staff
Cashier
Accounting Staff
Admin of Finance
Chief of Finance and HC
Chief of Procurement
Chief of QA/QC
Health, Safety and Security Supervisor
Chef of Engineering
Manajer Proyek
-
49
Tabel 4.1 Profil Responden
Responden Jabatan Lama Bekerja
NHD Manager Procurement 10 Tahun
AS Senior Procurement Staff 5 Tahun
MZ Senior Procurement Staff 5 Tahun
FP Junior Procurement Staff 3 Tahun
MW Junior Procurement Staff 2 Tahun
Sumber : Penulis, 2019.
4.2 Hasil Analisis Data
4.2.1 Membuat Struktur Hierarki AHP
Dalam penelitian ini penulis menggunakan metode salah satunya
adalah AHP.
Analisis data dengan menggunakan AHP dengan cara melakukan
penyusunan secara
hierarki terhadap kriteria-kriteria yang berkaitan dalam
pemilihan supplier tanah
merah di PT. Wijaya Karya (Persero) Tbk Proyek Pembangunan Jalan
Tol Cengkareng
– Batu Ceper – Kunciran. Kriteria yang digunakan dalam
penelitian ini sangat
membantu penulis dalam memecahkan permasalahan dalam memilih
supplier tanah
merah. Setelah melakukan wawancara dan evaluasi terhadap manager
pengadaan dan
staff pengadaan, maka selanjutnya dibuat struktur hierarki
sebagai berikut :
-
50
Delivery
Gambar 4.2 Struktur Hierarki AHP
Sumber : Penulis, 2019
Data AHP diatas adalah sebagai berikut :
A. Goal atau Tujuan
Untuk menentukan supplier yang paling tepat pada proyek
pembangunan jalan
tol Cengkareng – Batu Ceper – Kunciran di PT. Wijaya Karya
(Pesero) Tbk.
B. Kriteria dan Sub Kriteria
Kriteria dan Sub Kriteria yang digunakan dalam penelitian ini
telah dievaluasi
oleh manager procurement dan staff procurement. Kriteria dan Sub
Kriteria sudah
sesuai dengan kriteria dalam pemilihan tanah merah di PT. Wijaya
Karya (Persero)
Tbk. Berikut adalah Kriteria dan Sub Kriteria yang digunakan
:
Pemilihan Supplier
Spesifikasi Bahan Baku
Kegemburan
Diskon Ongkos
Konsiste Harga Ketepatan nsi Kualitas
Tanah Merah
Jumlah Pengiriman
Ketepatan Waktu Flexibilitas
Pemberian
Pengiriman PenyelesaiaIn ormasi
Masalah
History
Performa Konsumen
Perusahaan
Supplier 6 Supplier 5 Supplier 3 Supplier 1
Reputation Service Quality
Supplier 4 Supplier 2
Cost
-
51
Tabel 4.2 Kriteria dan Sub-Kriteria
Kriteria Sub – Kriteria Kode
Quality Spesifikasi Bahan Baku Q1
Kegemburan Tanah Merah Q2
Cost Diskon C1
Harga C2
Ongkos C3
Delivery Ketepatan Waktu D1
Ketepatan Jumlah D2
Service Flexibilitas Pelayanan dan Pemesanan S1
Penyelesaian Masalah S2
Pemberian Informasi S3
Reputation Performa Perusahaan R1
History Konsumen R2
Sumber: Zouggari dan Benyoucef (2012) dan Rezaei dan Ortt
(2013)
C. Alternatif
Alternatif dalam penelitian ini adalah supplier yang melakukan
supply tanah
merah ke PT. Wijaya Karya (Persero) Tbk pada proyek pembangunan
jalan tol
Cengkareng – Batu Ceper – Kunciran dimana alternatif tersebut
telah di evaluasi
dan telah dipilih oleh manager pengadaan dan 4 orang staff
pengadaan di PT.
Wijaya Karya (Persero) Tbk. Ada 6 alternatif supplier yang telah
di evaluasi oleh
para responden yaitu sebagai berikut :
-
52
Tabel 4.3 Alternatif Supplier
Inisial Supplier
Alamat Supplier
Supplier1 Graha Anugerah 3rd Floor. Jl. Raya Ps. Minggu No. 17 A
Pancoran No. Selatan 12780.
Supplier 2 Jl. Iskandar Muda No.168, RT.003/RW.005, Kedaung
Baru, Neglasari, Tangerang City, Banten 15128.
Supplier 3 JL. Kelapa Gading Selatan Blok BJ 8/3, Curug,
Tangerang, 15810, West Pakulonan, Kelapa Dua, Tangerang, Banten
1581.
Supplier 4 Jl. SFB Blok MM No. 7 Jababeka II Cikarang Kel.
Pasirsari. Kec. Cikarang Selatan – Bekasi.
Supplier 5 JL. Serimpi Raya No. 37. Kota Depok. 16411.
Supplier 6 Kampung Cijantra RT. 005/003. Desa Jatake. Kecamatan
Pagedangan. Kabupaten Tangerang. 15820.
Sumber : Penulis, 2019.
4.2.2 Matriks Perbandingan Berpasangan Antar Kriteria
Pada tahap ini dilakukan pembobotan terhadap masing masing
perbandingan
berpasangan antar kriteria dalam memilih tingkat kepentingan
atas kriteria tersebut.
Setelah mendapatkan hasil dari perbandingan berpasangan antar
kriteria penulis dapat
melihat dan dapat menggambarkan tingkat kepentingan dari
masing-masing kriteria.
Matriks perbandingan berpasangan yang diolah pada program excel
adalah sebagai
berikut :
1. Jika data bobot penilaian pada kuesioner berada di sebelah
kiri dari angka 1,
maka dari itu nilai yang diolah adalah nilai yang
sebenarnya.
2. Jika data bobot penilaian pada kuesioner berada di sebelah
kanan dari angka
1, maka nilai yang diolah adalah nilai yang berlawanan.
Dalam pemahaman mengenai metode Analytical Hierarchy Process
(AHP).
Peneliti membahas perhitungan pada kriteria dan sub-kriteria
dari pemilihan supplier
tanah merah. Dalam penelitian ini peneliti akan memaparkan hasil
perhitungan dari 1
responden yaitu responden 1 saja, dengan alasan perhitungan yang
dilakukan terhadap
-
53
hasil kuesioner dari 4 responden sama. Hasil 4 responden lainnya
akan dilampirkan
pada lampiran. Tabel berikut adalah tabel 4.4 mamaparkan hasil
dalam
membandingkan faktor oleh responden 1.
Tabel 4.4 Matriks Perbandingan Berpasangan (Pair Wise Comprasion
Matriks)
RESPONDEN 1 BOBOT KRITERIA
KRITERIA Kualitas Biaya Delivery Service Reputation
Kualitas 1 2 2 5 7
Biaya 0,5 1 3 2 5 Delivery 0,5 0,33 1 3 3
Service 0,2 0,5 0,333 1 5
Reputation 0,143 0,2 0,333 0,2 1
Sumber : Pengolahan data primer, 2019.
Keterangan Tabel :
Peneliti mengambil hasil dari data kuisoner responden 1,
berikutnya responden 2 dan
responden 3 terdapat pada halaman lampiran.
*0,2 (Biaya) = biaya memiliki bobot nilai sebesar 0,2 dari
kualitas
*Sedangkan Kualitas = kualitas memiliki bobot nilai sebesar 5.
Dimana menurut Saaty
dalam tabel penilaian matriks yang berarti kualitas lebih
penting dari biaya.
Pair Wise Comprasion Matriks adalah matriks yang memaparkan
perbandingan
hasil kuisioner yang didapat dalam pemilihan prioritas kriteria.
Setelah mengolah
matriks perbandingan berpasangan, peneliti membuat matriks
perbandingan
berpasangan antar sub-kriteria pada responden 1. Dalam proses
ini, hasil kuisoner di
masukan ke dalam tabel dan menjadi matriks perbandingan
berpasangan sub-kriteria.
-
54
Tabel 4.5 Matriks Perbandingan Berpasangan (Pair Wise Comprasion
Matrix) Sub-Kriteria Responden 1
MATRIKS PERBANDINGAN BERPASANGAN RESPONDEN 1
KUALITAS K1 K2 K3 SERVICE S1 S2 S3
K1 1 0,33 5 S1 1 5 3
K2 3 1 7 S2 0,2 1 0,333
K3 0,2 0,143 1 S3 0,33 3 1 4,2 1,473 13 1,53 9 4,333
COST C1 C2 C3
C1 1 0,111 0,143
C2 9 1 3
C3 7 0,333 1 17 1,444 4,143
DELIVERY D1 D2
D1 1 0,2
D2 5 1 6 1,2
Sumber : Pengolahan data primer, 2019.
Cara membaca matriks perbandingan berpasangan sub-kriteria sama
dengan cara
membaca pada tabel matriks perbandingan berpasangan penilian
kriteria.
Keterangan Tabel :
*0,333 = memiliki bobot penilaian 0,33 dari C3 (berlawanan).
**3 = Sub-kriteria 3 dari cost memiliki bobot nilai 3, yang
artinya C3 sedikit lebih
penting dibandingkan sub-kriteria 2 dari cost (C2).
Matriks Perbandingan Berpasangan (Pair Wise Comprasion Matrix)
Sub-Kriteria
merupakan metode perbandingan berpasangan yang dapat digunakan
untuk
memperoleh kecenderungan terkait tentang varians atau kriteria
yang dipilih. Pair
Wise Comprasion Matrix diatas memaparkan perbandingan hasil
kuisoner tentang
pilihan prioritas sub-kriteria menururt responden. Pair Wise
Comparison Matrix akan
REPUTATION R1 R2 R1 1 0,33 R2 3 1
4 1,33
-
55
menghasilkan nilai yang berasal dari perbandingan setiap
krtiteria untuk
membandingkan masing – masing kriteria. Nilai yang lebih tinggi
menunjukan sub-
kriteria pilihan yang lebih baik. Pada pembuatan matriks
berpasangan antar sub-
kriteria cara membaca matriks tersebut sama dengan cara membaca
matriks
berpasangan antar kriteria sebelumnya.
4.2.3. Perhitungan Bobot Kriteria dan Perhitungan Bobot
Sub-Kriteria 4.2.3.1 Normalisasi Kriteria
Setelah mendapatkan hasil dari perhitungan masing – masing
kriteria,
tahap selanjutnya adalah melakukan normalisasi terhadap hasil
matriks
perbandingan berpasangan. Pada tahap normalisasi dilakukan
dengan cara
membagi setiap bobot nilai masing – masing kriteria terhadap
jumlah masing
– masing kriteria. Hasil dari normalisasi dari perbandingan
berpasangan
kriteria sebagai berikut :
Tabel 4. 6 Normalisasi Matriks Perbandingan Berpasangan
Kriteria
RESPONDEN 1
KRITERIA Kualitas Cost Delivery Service Reputation Rata-Rata
Kualitas *0,427 0,496 0,300 0,446 0,333 ***0,401
Cost 0,213 **0,248 0,450 0,179 0,238 0,266
Delivery 0,213 0,082 0,150 0,268 0,143 0,171
Service 0,085 0,124 0,050 0,089 0,238 0,117
Reputation 0,061 0,050 0,050 0,018 0,048 0,045 1 1 1 1 1
Sumber : Pengolahan data primer, 2019.
Keterangan Tabel :
*0,427 = nilai ini didapatkan dari pembagian pada matriks
berpasangan antar kriteria
pada kolom pertama dari kualitas (1) dengan hasil atau jumlah
semua bobot pada
kolom kualitas yaitu sebesar 2,343.
-
56
**0,248 = nilai ini didapatkan dari pembagian pada matriks
berpasangan antar kriteria
pada kolom kedua dari biaya (1) dengan hasil atau jumlah semua
bobot pada kolom
biaya yaitu sebesar 4,03.
***0,401 = nilai ini didapatkan dari rata – rata dari kriteria
kualitas. Yaitu dengan
menjumlahkan masing – masing bobot 0,427 + 0,496 + 0,300 + 0,446
+ 0,333 lalu
dibagi dengan jumlah kriteria delivery yaitu 5. Untuk kriteria
selanjutnya
perhitungannya sama. Tujuan dari perhitungan Normalisasi diatas
adalah
Dari perhitungan Normalisasi diatas terlihat bahwa:
a. Kriteria Kualitas memiliki bobot penilaian tertinggi diantara
lainnya
yaitu sebesar 0,401.
b. Kriteria Cost memiliki bobot tertinggi kedua setelah kualitas
yaitu
sebesar 0,266.
c. Kriteria Delivery memiliki bobot tertinggi ketiga yaitu
sebesar 0,171.
d. Kriteria Service memiliki urutan ke empat dengan nilai
sebesar 0,117.
e. Kriteria Reputation memiliki bobot terendah diantara kriteria
lainnya
yaitu sebesar 0,045.
Dapat disimpulkan bahwa urutan prioritas kriteria dari responden
1 dalam
pemilihan tanah merah sebagai berikut :
1. Kualitas
2. Cost
3. Delivery
4. Service
5. Reputation
Setelah melakukan perhitungan normalisasi bobot antar kriteria.
Selanjutnya
peneliti melakukan perhitungan normalisasi bobot terhadap masing
– masing sub-
kriteria dengan langkah yang sama mengikuti proses perhitungan
normalisasi antar
kriteria diatas.
4.2.3.2 Normalisasi Sub – Kriteria
Langkah selanjutnya adalah mencari nilai bobot normalisasi
terhadap masing –
masing sub-kriteria. Cara perhitungan normalisasi matriks
perbandingan berpasangan
-
57
sub-kriteria sama dengan dengan normalisasi perbandingan
berpasangan bobot kriteria
di atas. Berikut hasil dari normalisasi dari matriks
perbandingan berpasangan sub-
kriteria :
Tabel 4. 7 Normalisasi Matriks Perbandingan Berpasangan
Sub-Kriteria
RESPONDEN 1
KUALI TAS K1 K2 K3
Rata- rata
DELIVER Y D1 D2
Rata - Rata
K1
0,238
0,224
0,385
*0,282 D1
0,167
0,167
0,167
K2
0,714
0,679
0,538
0,644 D2
0,833
0,833
0,833
K3
0,048
0,097
0,077
0,074
COST C1 C2 C3
Rata- Rata
REPUTA TION
R1 R2 Rata – Rata
C1
0,059
0,077
0,035
0,057 R1
0,250
0,248
0,249
C2
0,529
0,693
0,724
0,649 R2
0,750
0,752
0,751
C3
0,412
0,231
0,241
0,295
SERVI CE
S1
S2
S3
Rata- Rata
S1
0,654
0,556
0,692
0,634
S2
0,131
0,111
0,077
0,106
S3
0,216
0,333
0,231
0,260
Sumber : Pengolahan data primer, 2019.
Keterangan Tabel :
*0,282 = nilai ini didapatkan dari rata – rata dari kiteria
cost. Yaitu dengan
menjumlahkan masing – masing bobot 0,238+0,224+0,385 lalu di
bagi dengan jumlah
sub kriteria yaitu 3. Untuk kriteria selanjutnya perhitungannya
sama dengan
perhitungan rata – rata sub kriteria cost.
-
58
Untuk menghitung normalisasi kriteria dan sub kriteria mempunyai
cara yang
sama dalam perhitungannya. Yaitu dengan cara melakukan nilai
dari setiap kolom lalu
dibagi dengan total kolom pada kriteria dan sub-kriteria yang
bersangkutan. Agar lebih
jelas perhatikan perhitungan pada Tabel 4.6 dan Tabel 4.7.
Setelah melakukan
normalisasi, peniliti menghitung rata-rata pada setiap baris
kriteria dan sub-kriteria
dengan cara menjumlahkan nilai-nilai dari baris kriteria dan
sub-kriteria terkait dan
membaginya dengan jumlah elemen tersebut (n).
Dari Tabel 4.8 diatas dapat disimpulankan dalam sub-kriteria
kualitas dari responden
1 sebagai berikut:
a. Sub-kriteria K2 yaitu Kegemburan Tanah Merah memiliki
prioritas pertama
diantara sub-kriteria kualitas lainnya dengan bobot nilai
0,644,
b. Sub-kriteria K1 yaitu Spesifikasi Bahan Baku memiliki
prioritas kedua menurut
responden 1 dengan bobot nilai 0,282.
c. Sub-kriteria K3 yaitu Konsistensi Kualitas memiliki prioritas
terendah dengan
bobot nilai 0,074.
Pada sub-kriteria Cost dari responden 1 dari tabel diatas dapat
disimpulkan :
a. Sub-kriteria C2 yaitu Diskon memiliki prioritas pertama
diantara sub-kriteria
Cost lainnya dengan bobot nilai 0,649.
b. Sub-kriteria C3 yaitu Harga Produk memiliki prioritas kedua
menurut
responden 1 dengan bobot nilai 0,295.
c. Sub-kriteria C1 yaitu Ongkos Pengiriman memiliki prioritas
terendah dengan
bobot nilai 0,057.
Pada sub-kriteria Service dari responden 1 dari tabel diatas
dapat disimpulkan :
a. Sub-kriteria S1 yaitu Flexibilitas Pemesanan memiliki
prioritas pertama
diantara sub-kriteria Service lainnya dengan bobot nilai
0,634.
b. Sub-kriteria S3 yaitu Kemampuan Memberikan Informasi memiliki
prioritas
kedua menurut responden 1 dengan bobot nilai 0,260.
c. Sub-kriteria S2 yaitu Pemecahan Masalah memiliki prioritas
terendah dengan
bobot nilai 0,106.
Pada sub-kriteria Service dari responden 1 dari tabel diatas
dapat disimpulkan :
a. Sub-kriteria D2 yaitu Ketepatan Waktu Pengiriman memiliki
prioritas pertama
diantara sub-kriteria Delivery lainnya dengan bobot nilai
0,833.
-
59
b. Sub-kriteria D1 yaitu Ketepatan Jumlah Pengiriman memiliki
prioritas terendah
menurut responden 1 dengan bobot nilai 0,167.
Pada sub-kriteria Reputation dari responden 1 dari tabel diatas
dapat disimpulkan :
a. Sub-kriteria R2 yaitu Performa Perusahaan memiliki prioritas
pertama diantara
sub-kriteria Reputation lainnya dengan bobot nilai 0,751..
b. Sub-kriteria R1 yaitu History Konsumen memiliki prioritas
terendah menurut
responden 1 dengan bobot nilai 0,249.
4.2.3.3 Pengujian Konsistensi Kriteria
Setelah dilakukan normalisasi terhadap masing-masing bobot pada
matriks
perbandingan berpasangan antar kriteria. Tahap selanjutnya
adalah melakukan
pengujian konsistensi bobot terhadap kriteria dengan tujuan
apakah hasil dari kuisoner
bersifat konsisten atau tidak konsisten. Terdapat 2 hasil dari
pengujian ini yaitu
konsisten dan tidak konsistem. Tahap pertama dalam pengujian
konsistensi adalah
menghitung P Vector atau Priority Vector dengan cara sebagai
berikut :
V t = A.Wt, : = 1,2,3,…,n
Tabel 4.8 Tabel Pengujian Konsistensi Kriteria
RESPONDEN 1 KRITERI
A Kualita
s Biay
a Deliver
y Servic
e Reputatio
n Rata- Rata
P Vector
Kualitas 1 2 2 5 7 0,401
*2,178
Biaya 0,5 1 3 2 5 0,266
1,440
Delivery 0,5 0,33 1 3 3 0,171
0,947
Service 0,2 0,5 0,333 1 5 0,117
0,613
Reputation 0,143 0,2 0,333 0,2 1 0,045
0,236
JUMLAH 2,343 4,03 6,666 11,2 21
Sumber : Pengolahan data primer, 2019.
-
60
Keterangan Tabel :
2,178 = Perhitungan tersebut dari (1 x 0,401) + (2 x 0,266) +
(2x 0,171) + (5 x 0,117)
+ (7 x 0,045) . P Vector selanjutnya mengikuti langkah
perhitungan diatas.
Hasil P Vector diatas menunjukan kriteria kualitas tanah merah
adalah prioritas
utama dari responden 1. Kualitas memiliki bobot nilai P Vector
sebesar 2,178 lebih
unggul dibandingkan bobot nilai P Vector kriteria lainnya.
Prioritas yang kedua adalah
kriteria biaya dengan bobot nilai P Vector sebesar 1,440 begitu
dengan urutan nilai
bobot P Vector kriteria selanjutnya.
Tahap setelah melakukan perhitungan terhadap P Vector adalah
menghitung
Eigen Value (λ) dan menghitung Eigen Value Maximal (λ max).
Menghitung Eigen
Value Maximal (λ max) dengan cara menghitung rata – rata dari
nilai Eigen Value (λ)
dari masing – masing kriteria. Rumus dalam menghitung Eigen
Value Maximal (λ
max) sebagai berikut :
λ max = !"#/"%
&
Tabel 4. 9 Uji Konsistensi Kriteria Eigen Value (λλλλ)
RESPONDEN 1 KRITERIA Rata-Rata Priority Vector Eigen Value ( λ)
λ max
Kualitas 0,401 2,178 *5,436
**5,367 Biaya 0,266 1,440 5,422
Delivery 0,171 0,947 5,531 Service 0,117 0,613 5,227
Reputation 0,045 0,236 5,222
Sumber : Pengolahan data primer, 2019.
Keterangan Tabel :
Nilai *5,436 = nilai tersebut didapat dari perhitungan 2,178
dibagi dengan rata rata
(0,401).
-
61
Nilai **5,367 = semua nilai eigen value dijumlahkan lalu dibagi
banyaknya kriteria
(5).
Nilai eigen merupakan bobot setiap elemen yang bertujuan untuk
menentukan
vektor prioritas dalam AHP dalam menentukan prioritas
eleme-elemen pada tingkat
hierarki kriteria maupun sub-kriteria dari terendah sampai
tertinggi. Berikutnya adalah
melakulan uji konsistensi pada matriks perbandingan berpasangan.
Tabel menurut
Saaty diatas menunujukan Random Index yang digunakan untuk
menghitung tingkat
konsistensi suatu data yang didapat. Dengan syarat jika tingkat
konsistensi kurang dari
10% atau 0,01 ( CR < 0,1 ) maka nilai tersebut memiliki sifat
konsisten dan dapat
diterima. Tetapi jika nilai tingkat konsistensi lebih dari 10% (
CR > 0,1 ) maka nilai
tersebut memiliki sifat tidak konsisten. Jika nilai tingkat
konsistensi dinyatakan tidak
konsisten, maka pengisian nilai pada matriks berbandingan
berpasangan harus diulang
dengan mengikuti langkah-langkah yang sama. Pengulangan tersebut
pada bagian
kriteria sampai dengan bagian alternatif. Kemudian dalam
perhitungan Consistency
Index (CI) dapat dihitung dengan rumus :
CI =
(( )*+ , &)
(&,/)
Dimana n adalah jumlah kriteria kriteria dan sub-kriteria
masing-masing.
Beriku adalah hasil dari perhitungan Consistency Index (CI).
Tabel 4.10 Pengujian Konsistensi Kriteria (CR)
RESPONDEN 1 KRITER
IA Rata- Rata
Priority Vector
Eigen Value (λ) λ max CI RI CR
Kualitas 0,401
2,178
5,436
5,367
*0,092
**1, 12
***0,08 2
Biaya 0,266
1,440
5,422
Delivery 0,171
0,947
5,531
Service 0,117
0,613
5,227
Reputati on
0,045 0,236
5,222 Sumber : Pengolahan data primer, 2019.
-
62
Keterangan Tabel :
*0,092 = Nilai ini didapatkan dari ( λ max – n ) / ( n – 1 ).
Dimana n adalah banyaknya
kriteria.
**1,120 = adalah nilai random index an disesuaikan dengan jumlah
matriks kriteria
yaitu urutan ke 5 pada tebel RI Saaty.
***0,082 = pembagian dari CI dengan RI.
Consistency Index yang bernilai nol berarti pembobotan
konsistensi bersifat
sempurna maka dari itu tidak dilakukan lagi perhitungan CR.
Karena hasil CI diatas
adalah 0,110 yang berarti tidak sempurna perlu dilakukan
perhitungan derajat
konsistensi. Batas ketidaktoleransi dapat ditentukan oleh hasil
CR atau Random
Consistency Index. Dalam perhitungam CR mempunyai rumus sebagai
berikut :
CR =
01
21
Dalam pengujian konsistensi terhadap sub-kriteria, perhitungan
sama halnya
dalam dalam perhitungan pada kriteria. Sebagai contoh berikut
hasil pengujian
konsistensi sub-kriteria terhadap responden.
4.2.3.4 Pengujian Konsistensi Sub-Kriteria
Setelah dilakukan normalisasi seperti data diata. Setelah itu
tahap selanjutnya
adalah melakukan pengujian konsistensi terhadap sub-kriteria
yang ingin diteliti.
Tahap pertama dalam pengujian konsistensi adalah menghitung P
Vector atau Priority
Vector.
Tabel 4.11 Tabel Pengujian Konsistensi Sub-Kriteria
KUALITAS K1 K2 K3 Rata-rata P Vector K1 1 0,333 5 0,282 *0,864
K2 3 1 7 0,644 2,008 K3 0,2 0,143 1 0,074 0,222
Sumber : Pengolahan data primer, 2019.
-
63
Keterangan Tabel :
*0,864 = Perhitungan tersebut didapat dari (1 x 0,282) + (1 x
0,644) + (5 x 0,074).
P Vector selanjutnya mengikuti langkah perhitungan diatas. Tahap
setelah
perhitungan P Vector adalah menghitung Eigen Value (λ) dan
menghitung Eigen
Value Maximal (λ max). Menghitung Eigen Value Maximal (λ max)
dengan cara
menghitung rata – rata.
Tabel 4. 12 Uji Konsistensi Sub-Kriteria Eigen Value (λλλλ)
KUALITA S
K1
K2
K3
Rata-rata
P Vector
Eigen Value (λ)
K1
0,238
0,224
0,385
0,282
0,864
3,061
K2 0,714
0,679
0,538
0,644
2,008
3,118
K3 0,048
0,097
0,077
0,074
0,222
3,010
COST C1
C2
C3 Rata-Rata
P Vector
Eigen Value (λ)
C1
0,059
0,077
0,035
0,057
0,171
3,012
C2 0,529
0,693
0,724
0,649
2,043
3,150
C3
0,412
0,231
0,241
0,295
0,908
3,081
SERVICE S1 S2 S3 Rata-Rata P Vector Eigen Value (λ) S1 0,654
0,556 0,692 0,634 1,945 3,068
S2 0,131 0,111 0,077 0,106 0,320 3,008
S3 0,216 0,333 0,231 0,260 0,788 3,031
DELIVERY D1 D2 Rata – Rata D1 0,167 0,167 0,167 D2 0,833 0,833
0,833
REPUTATION R1 R2 Rata – Rata R1 0,250 0,248 0,249 R2 0,750 0,752
0,751
-
64
Sumber : Pengolahan data primer, 2019.
Keterangan Tabel :
Nilai *3,061 = nilai tersebut didapat dari perhitungan 0,864
dibagi dengan rata rata
(0,282).
Berbeda halnya dengan kriteria yang hanya terdapat 2
sub-kriteria contohnya pada
kriteria delivery dan reputation tidak perlu dilakukan pengujian
konsistensi. Pengujian
konsistensi hanya perlu dilakukan jika n pada sebuah matriks
lebih dari 2.
Tabel 4.13 Pengujian Konsistensi Sub-Kriteria (CR)
SUB- KRITERIA
Rata- rata
P Vector
Eigen Value (λ)
(λ) Max
CI RI CR
K1 0,282 0,864 3,061
K2 0,644 2,008 3,118 *3,063 **0,0 32
***0, 58
****0,0 55
K3 0,074 0,222 3,01
Sumber : Pengolahan data primer, 2019.
Keterangan Tabel :
*3,063 = semua nilai eigen value dijumlahkan lalu dibagi
banyaknya kriteria (3).
**0,032 = Nilai ini didapatkan dari ( λ max – n ) / ( n – 1 ).
Dimana n adalah banyaknya
kriteria.
***0,58 = adalah nilai random index an disesuaikan dengan jumlah
matriks kriteria
yaitu urutan ke 5 pada tebel RI Saaty
****0,055 = pembagian dari CI dengan RI.
Dalam pengujian konsistensi terhap sub-kriteria, perhitungan
sama halnya dalam
perhitungan kriteria. Sebagai contoh berikut hasil pengujian
konsistensi terhadap
responden. Nilai Random Consistency Index (CR) dari
masing-masing kriteria
-
65
memiliki nilai yang kurang dari 0,1 yang berarti setiap
sub-kriteria dari hasil kusioner
bersifat konsisten.
Nilai CR tertinggi terdapat pada kriteria Cost yaitu sebesar
0,070 (terdapat pada
lampiran) dan bersifat konsisten. CR tertinggi kedua adalah
sub-kriteria kualitas
sebesar 0,055 yang berarti dibawah nilai 0,1 yang berisfat
konsisten. Untuk sub-
kriteria delivery dan reputation tidak perlu dilakukan dalam
mengujian CR karena
hanya terdapat 2 variabel.
4.2.4. Matriks Perbandingan Berpasangan Alternatif
Selanjutnya setelah melakukan pengujian konsistensi terhadap
matriks
perbandingan berpasangan antar kriteria dan matriks berpasangan
antar sub-kriteria,
lakukanlah uji konsistensi terhadap matriks berpasangan
alternatif dengan sub
kriterianya.
Tabel 4.14 Matriks Perbandingan Berpasangan Alternatif Responden
1
K1 S1 S2 S3 S4 S5 S6
S1 1 1 7 1 1 7 S2 1 1 3 1 1 3 S3 0,143 0,33 1 0,143 0,33 1
S4 1 1 0,7 1 5 5 S5 1 1 0,333 0,2 1 0,33
S6 0,143 0,333 1 0,2 3 1 4,286 4,663 13,033 3,543 11,33
17,33
K2 S1 S2 S3 S4 S5 S6 S1 1 3 3 1 5 3
S2 0,33 1 7 0,33 1 0,33 S3 0,33 0,143 1 0,333 7 1 S4 1 3 3 1 7 5
S5 0,2 1 0,143 0,143 1 0,33 S6 0,333 3 1 0,2 3 1
3,193 11,143 15,143 3,006 24 10,66
K3 S1 S2 S3 S4 S5 S6 S1 1 0,33 3 0,5 0,2 1
S2 3 1 2 0,33 0,5 3 S3 0,33 0,5 1 0,5 0,143 0,33
-
66
S4 2 3 2 1 0,2 3
S5 5 2 3 5 1 7 S6 1 0,33 3 0,33 0,143 1
12,33 7,16 14 7,66 2,186 15,33
Sumber : Pengolahan data primer, 2019.
Tabel diatas menjelaksan hasil perbandingan kuisoner dari
responden 1 dalam
memilih alternatif atau supplier tanah merah yang tepat. Untuk
alternatif lainnya
seperti cost, delivery, service dan reputation terdapat dalam
lampiran.
Tabel diatas adalah hasil pengisian kuisoner pada responden 1
dengan kriteria
Kualitas. Terlihat pada kualitas 1 responden pertama lebih
cenderung memilih supplier
1 dalam hal Spesifikasi Bahan Baku Tanah Merah dengan bobot
nilai 18. Untuk
kriteria 2 atau Kegemburan Tanah Merah Supplier 2 lebih
cenderung memilih supplier
3 dengan total 15,143. Dan yang terakhir yaitu kualitas 3 atau
Konsistensi Kualitas
responden 1 cenderung memilih supplier 6 dalam memenuhi kriteria
tersebut.
4.2.5 Perhitungan Bobot Alternatif
4.2.5.1 Pengujian Normalisasi Alternatif
Setelah dilakukan pembobotan terhadap setiap alternatif
kedalam
matriks perbandingan berpasangan alternatif. Selanjutnya adalah
melakukan
perhitungan normalisasi terhadap matriks perbandingan
berpasangan
alternatif. Perhitungan normalisasi dilakukan dengan cara
seperti perhitungan
sebelumnya yaitu perhitungan dalam melakukan normalisasi
terhadap kriteria
dan sub-kriteria. Hasil dari normalisasi dari perbandingan
berpasangan kriteria
terhadap responden 1 adalah sebagai berikut :
Tabel 4.15 Normalisasi Matriks Perbandingan Berpasangan
Alternatif
K1 S1 S2 S3 S4 S5 S6 Rata-Rata S1 0,233 0,214 0,537 0,282 0,088
0,404 *0,293 S2 0,233 0,214 0,23 0,282 0,088 0,173 0,204 S3 0,033
0,071 0,077 0,04 0,029 0,058 0,051 S4 0,233 0,214 0,054 0,282 0,441
0,289 0,252
-
67
S5 0,233 0,214 0,026 0,056 0,088 0,019 0,106 S6 0,033 0,071
0,077 0,056 0,265 0,058 0,093
K2 S1 S2 S3 S4 S5 S6 Rata-Rata S1 0,313 0,269 0,198 0,333 0,208
0,281 0,267 S2 0,103 0,09 0,462 0,11 0,042 0,031 0,14 S3 0,103
0,013 0,066 0,111 0,292 0,094 0,113 S4 0,313 0,269 0,198 0,333
0,292 0,469 0,312 S5 0,063 0,09 0,009 0,048 0,042 0,031 0,047 S6
0,104 0,269 0,066 0,067 0,125 0,094 0,121
K3 S1 S2 S3 S4 S5 S6 Rata-Rata S1 0,081 0,046 0,214 0,065 0,091
0,065 0,094 S2 0,243 0,14 0,143 0,043 0,229 0,196 0,166 S3 0,027
0,07 0,071 0,065 0,065 0,022 0,053 S4 0,162 0,419 0,143 0,131 0,091
0,196 0,19 S5 0,406 0,279 0,214 0,653 0,457 0,457 0,411 S6 0,081
0,046 0,214 0,043 0,065 0,065 0,086
Sumber : Pengolahan data primer, 2019.
Keterangan Tabel :
*0,293 = nilai ini didapatkan dari rata – rata dari Supplier 1.
Yaitu dengan
menjumlahkan masing – masing bobot
0,233+0,214+0,537+0,282+0,008+0,404 lalu
di bagi dengan jumlah supplier yaitu 6. Untuk kriteria
selanjutnya perhitungannya
sama dengan perhitungan rata – rata supplier 1 pasa sub-kriteria
1.
Untuk alternatif lainnya seperti cost, delivery, service dan
reputation terdapat dalam
lampiran.
4.2.5.2 Pengujian Konsistensi Alternatif
Setelah melakukan pengujian normalisasi terhadap matriks
perbandingan
berpasangan alternatif. Selanjutnya adalah melakukan pengujian
konsistensi terhadap
matriks perbandingan berpasangan alternatif. Berikut adalah
rumus dalam melakukan
perhitungan konsistensi :
-
68
Eigen Value (λ) = Priority Vector / Weight atau Rata – Rata
M
CR = 01, dimana, 21
CI = (345 – & & ,/
Dalam pengujian konsistensi alternatif, table Random Index yang
dicetuskan
Saaty sangat diperlukan. Dimana jika hasil dari tingkat
konsitensi alternatif kurang
dari 10% atau CR < 0,1 maka nilai konsistensi dianggap
konsisten, dan hasil tersebut
dapat dipakai dalam penelitian. Namun sebaliknya, jika hasil
kosnsitensi lebih dari
10% atau CR > 0,1, maka nilai perbandingan berpasangan
alternatif bersifat tidak
konsisten. Maka dari itu harus dilakukan pengisian nilai pada
matriks perbandingan
berpasangan harus diulang hingga hasilnya konsisten.
Tabel 4.16 Tabel Pengujian Konsistensi Alternatif Responden
1
K1 S1 S2 S3 S4 S5 S6 Rata-Rata P Vector S1 1 1 7 1 1 7 0,293
*1,868 S2 1 1 3 1 1 3 0,204 1,289 S3 0,143 0,33 1 0,143 0,33 1
0,051 0,325 S4 1 1 0,7 1 5 5 0,252 1,316 S5 1 0,333 0,2 1 0,33
0,106 0,671 S6 0,143 0,333 1 0,2 3 1 0,093 0,530
K1 S1 S2 S3 S4 S5 S6 Rata-Rata P Vector S1 1 3 3 1 5 3 0,267
**1,474 S2 0,33 1 7 0,33 1 0,33 0,140 3,632 S3 0,33 0,143 1 0,333 7
1 0,113 0,160 S4 1 3 3 1 7 5 0,312 0,905 S5 0,2 1 0,143 0,143 1
0,33 0,047 0,100 S6 0,333 3 1 0,2 3 1 0,121 0,031
K1 S1 S2 S3 S4 S5 S6 Rata-Rata P Vector S1 1 0,33 3 0,5 0,2 1
0,094 0,572
-
69
S2 3 1 2 0,33 0,5 3 0,166 1,080 S3 0,33 0,5 1 0,5 0,143 0,33
0,053 0,349 S4 2 3 2 1 0,2 3 0,190 1,321 S5 5 2 3 5 1 7 0,411
2,924
Sumber : Pengolahan data primer, 2019.
Tabel Pengujian Konsistensi diatas bertujuan untuk melihat hasil
dari kuisoner,
ada 2 kemungkinan hasil yaitu konsisten dan tidak konsisten.
Hasil tersebut dilihat dari
Consistency Ratio (CR). Untuk hasil sub-kriteria cost, delivery,
flexibilitas dan
reputation responden 1 terdapat pada lampiran. Begitu juga hasil
dari responden 2
sampai dengan responden 5 terdapat pada lampiran.
*1,868 = nilai ini didapatkan dari (1 x 0,293) + (1 x 0,204) +
(7 x 0,51) + (1 x 0,252)
+ (1 x 0,106) + (7 x 0,093)
**1,474 = nilai ini didapatkan dari (1 x 0,267) + (3 x 0,140) +
(3 x 0,113) + (1 x 0,312
+ (5 x 0,047) + (3 x 0,121)
Tabel Pengujian Konsistensi Alternatif Responden Sub-Kriteria
lainnya seperti
Cost, Delivery, Service, dan Reputation terdapat pada lampiran
untuk masing – masing
responden.
Tabel 4.17 Tabel Uji Konsistensi Sub-Kriteria Eigen Value
K 1
S1 S2 S3 S4 S5 S6 Rata- Rata
P Vector (λ)
S1
0,233
0,214
0,537
0,282
0,088
0,404 0,293 1,868
*6,372
S2 0,233
0,214 0,230
0,282
0,088
0,173 0,204 1,289
6,334
S3
0,033
0,071 0,077
0,040
0,029
0,058 0,051 0,325
6,330
S4 0,233
0,214 0,054
0,282
0,441
0,289 0,252 1,316
5,216
S5
0,233
0,214 0,026
0,056
0,088
0,019 0,106 0,671
6,315
S6 0,033
0,071 0,077
0,056
0,265
0,058 0,093 0,530
5,675
K 2
S1 S2 S3 S4 S5 S6 Rata- Rata
P Vector (λ)
-
70
S1
0,313
0,269
0,198
0,333
0,208
0,281
0,267
1,474
**5,51 7
S2 0,103 0,090
0,462
0,110
0,042
0,031
0,140
3,632
26,012
S3 0,103 0,013
0,066
0,111
0,292
0,094
0,113
0,160
1,415
S4 0,313
0,269
0,198
0,333
0,292
0,469
0,312
0,905
2,898
S5 0,063 0,090
0,009
0,048
0,042
0,031
0,047
0,100
2,128
S6 0,104
0,269
0,066
0,067
0,125
0,094
0,121
0,031
0,257
K 3 S1 S2 S3 S4 S5 S6
Rata- Rata
P Vector (λ)
S1
0,081
0,046
0,214
0,065
0,091
0,065
0,094
0,572
6,090
S2 0,243
0,140
0,143
0,043
0,229
0,196
0,166
1,080
6,523
S3 0,027 0,070
0,071
0,065
0,065
0,022
0,053
0,349
6,546
S4 0,162
0,419
0,143
0,131
0,091
0,196
0,190
1,321
6,944
S5 0,406 0,279
0,214
0,653
0,457
0,457
0,411
2,924
7,115
S6 0,081
0,046
0,214
0,043
0,065
0,065
0,086
0,516
6,010
Sumber : Pengolahan data primer, 2019.
Keterangan Tabel :
Nilai *6,372 = nilai tersebut didapat dari perhitungan P-Vector
(1,868) dibagi dengan
rata rata (0,293).
Nilai **5,517 = nilai tersebut didapat dari perhitungan P-Vector
(1,289) dibagi dengan
rata rata (0,267).
Tabel 4.18 Pengujian Konsistensi Alternatif (CR)
K1 Rata-Rata P Vector (λ) (λ) Max CI RI CR S1 0,293 1,868
6,372
S2 0,204 1,289 6,334
S3 0,051 0,325 6,330 *6,040 **0,008 ***1,24 ****0,007 S4 0,252
1,316 5,216
S5 0,106 0,671 6,315
-
71
S6 0,093 0,530 5,675
K2 Rata-Rata P Vector (λ) (λ) Max CI RI CR
S1 0,267 1,474 5,517
S2 0,140 3,632 26,012
S3 0,113 0,160 1,415 6,371 0,074 1,24 0,060 S4 0,312 0,905
2,898
S5 0,047 0,100 2,128
S6 0,121 0,031 0,257
K3 Rata-Rata P Vector (λ) (λ) Max CI RI CR
S1 0,094 0,572 6,090
S2 0,166 1,080 6,523
S3 0,053 0,349 6,546 6,538 0,108 1,24 0,087 S4 0,190 1,321
6,944
S5 0,411 2,924 7,115
S6 0,086 0,516 6,010
Sumber : Pengolahan data primer, 2019.
Keterangan Tabel :
*6,040 = semua nilai eigen value dijumlahkan lalu dibagi
banyaknya kriteria (3).
**0,008 = Nilai ini didapatkan dari ( λ max – n ) / ( n – 1 ).
Dimana n adalah banyaknya
kriteria.
***1,24 = adalah nilai random index an disesuaikan dengan jumlah
matriks kriteria
yaitu urutan ke 6 pada tebel RI Saaty
****0,007 = pembagian dari CI dengan RI.
Dalam pengujian konsistensi terhadapa alternatif, perhitungan
sama halnya
dalam perhitungan kriteria dan sub-kriteria. Sebagai contoh
berikut hasil pengujian
konsistensi terhadap responden 1 diatas. Nilai Random
Consistency Index (CR) dari
masing-masing kriteria memiliki nilai yang kurang dari 0,1 yang
berarti setiap
alternatif dari hasil kusioner bersifat konsisten.
-
72
4.2.6 Hasil Perhitungan Analytical Hierarchy Process (AHP)
Setelah mendapatkan hasil perhitungan dari masing – masing
kriteria, sub-
kriteria dan alternatif maka akan menghasilkan bobot penilaian
dari setiap kriteria,
sub-kriteria dan alternatif dari 3 responden pada PT Wijaya
Karya (Persero) Tbk.
Langkah selanjutnya adalah melakukan penggabungan antara semua
penilian tersebut
dengan menggunakan Geometric Mean. Rumus Geometric Mean yang
digunakan
adalah sebagai berikut :
Geometric Mean =
Atau
Geometric Mean = 97�/ � �; � �< , … , �&
4.2.6.1 Analisa Geometric Mean Kriteria
Perhitungan Geometric dari masing – masing kriteria adalah
sebagai berikut :
Tabel 4.19 Perhitungan Geometric Mean Kriteria
KRITERIA
R1
R2
R3
R4
R5
Geometric Mean
Weight
Weight
Weight
Weight
Weight
Weight
Kualitas
0,401
0,138
0,432
0,434
0,135
*0,269
Cost
0,266
0,069
0,065
0,092
0,058
0,173
Delivery
0,171
0,063
0,06
0,038
0,087
0,129
Service
0,117
0,249
0,151
0,171
0,242
0,189
Reputation
0,045
0,481
0,292
0,265
0,478
0,24
Sumber : Pengolahan data primer, 2019.
-
73
Keterangan Tabel :
*0,269 = Hasil tersebut didapatkan dari perhitungan Geometric
yang memiliki rumus
mengalikan masing-masing bobot hasil dari responden lalu
mengakarkan dengan
pangkat akar sesuai banyaknya responden atau sama dengan rumus
:
������ !" #�$% = R7(0,401 � 0,138 � 0,432 � 0,434 � 0,135)
Untuk Geometric Mean kriteria selanjutnya mengikuti langkah
seperti
perhitungan geometric mean diatas. Berdasarkan Analisa
Perhitungan Geometric
Mean dari kelima esponden.
4.2.6.2 Hasil Urutan Prioritas Kriteria
Urutan prioritas kriteria dapat disimpulkan dari hasil Geometric
Mean yang telah
diolah dengan metode AHP diatas. Bisa dilihat urutan prioritas
untuk kriteria dalam
pemilihan kriteria tanah merah pada PT. Wijaya Karya (Persero)
Tbk Pembangunan
Jalan Tol Cengkareng – Batu Ceper – Kunciran sebagai berikut
:
1. Kualitas
2. Reputation
3. Service
4. Cost
5. Delivery
Setelah melakukan pengurutan prioritas kriteria dari kelima
responden
Selanjutnya, peneliti melakukan perhitungan geometric mean
sub-kriteria. Cara
perhitungan dalam menghitung geometric mean dari sub-kriteria
memiliki sedikit
perbedaan dari perhitungan geometric mean terhadap kriteria.
Sebelum menghitung
Geometric Mean peneliti harus menghitung bobot keseluruhan atau
Global Weight
terlebih dahulu.
-
74
4.2.6.3 Analisa Geometric Mean Sub – Kriteria
Tabel 4.20 Nilai dan Bobot Keselurahan Global Weight Sub –
Kriteria
Kriteria dan Sub-
Kriteria
Responden 1 Responden 2 Responden 3
Weig
ht Criter
ia
Local Weig
ht Sub-
Criter ia
Globa l
Weig ht
Sub- Criter
ia
Weig
ht Criter
ia
Local Weig
ht Sub-
Criter ia
Globa l
Weig ht
Sub- Criter
ia
Weig
ht Criter
ia
Local Weig
ht Sub-
Criter ia
Globa l
Weig ht
Sub- Criter
ia Kualitas 0,401 0,138 0,432
K1 0,282 *0,113 0,282 0,039 0,283 0,122
K2
0,644 **0,25
8
0,644 0,089
0,643
0,278 K3 0,074 0,030 0,074 0,010 0,074 0,032
Cost 0,266 0,069 0,065 C1 0,057 0,015 0,057 0,004 0,090 0,006 C2
0,649 0,173 0,648 0,045 0,354 0,023 C3 0,295 0,078 0,295 0,020
0,556 0,036
Delivery 0,171 0,063 0,060 D1 0,167 0,029 0,167 0,011 0,125
0,008 D2 0,833 0,142 0,833 0,052 0,875 0,053
Service 0,117 0,249 0,151 S1 0,634 0,074 0,634 0,158 0,643 0,097
S2 0,106 0,012 0,106 0,026 0,283 0,043 S3 0,26 0,030 0,260 0,065
0,074 0,011
Reputati on
0,045
0,481
0,292
R1 0,249 0,011 0,249 0,120 0,833 0,243 R2 0,751 0,034 0,750
0,361 0,167 0,049
Sumber : Pengolahan data primer, 2019.
Tabel 4.21 Lanjutan Nilai dan Bobot Keselurahan Global Weight
Sub –
Kriteria
Kriteria
dan Sub-
Kriteria
Responden 4 Responden 5
Weight Criteria
Local Weight
Sub- Criteria
Global Weight Sub-
Criteria
Weight Criteria
Local Weight Sub-
Criteria
Global Weight Sub-
Criteria Kualitas 0,434 0,135
K1 0,193 0,084 0,134 0,018 K2 0,723 0,314 0,746 0,101 K3 0,084
0,036 0,12 0,016
Cost 0,082 0,058 C1 0,093 0,008 0,09 0,005
-
75
C2 0,292 0,024 0,354 0,021 C3 0,615 0,050 0,556 0,032
Delivery 0,058 0,087 D1 0,125 0,007 0,167 0,015 D2 0,875 0,051
0,833 0,072
Service 0,161 0,242 S1 0,365 0,059 0,057 0,014 S2 0,206 0,033
0,649 0,157 S3 0,429 0,069 0,294 0,071
Reputation 0,265 0,478 R1 0,751 0,199 0,833 0,398 R2 0,249 0,066
0,167 0,080
Sumber : Pengolahan data primer, 2019.
Keterangan Tabel :
Tabel Analisa Geometric Sub-Criteria diatas adalah tabel yang
menjelaskan
hasil perhitungan yang telah diolah oleh penulis terhadap kelima
responden. Global
Weight adalah hasil dari Weight Criteria atau disebut rata-rata
kriteria yang dikalikan
Local Weight Sub-Criteria atau rata-rata sub-kriteria yang telah
dihitung sebelumnnya.
*0,113 = Perhitungan didapatkan dari perkalian antara Weight
Criteria dengan Local
Weight Sub-Kriteria (0,401 x 0,282).
*0,0258 = Perhitungan didapatkan dari perkalian antara Weight
Criteria dengan Local
Weight Sub-Kriteria (0,401 x 0,644). Untuk perhitungan Global
Weight Sub-Criteria
mengikuti langkah tersebut.
Dari tabel diatas dapat disimpulkan bahwa :
A. Responden 1
• Dalam sub-kriteria Kualitas memiliki bobot tertinggi pada
Kualitas 2 yaitu
Kegemburan Tanah Merah sebesar 0,258.
• Pada sub-kriteria Cost memiliki bobot tertinggi pada Cost 2
yaitu Harga Produk
sebesar 0,173.
• Pada sub-kriteria Delivery memiliki bobot tertinggi pada
Delivery 2 yaitu
Ketepatan Jumlah Pengiriman sebesar 0,142 dibandingkan dengan
Ketepatan
Waktu Pengiriman sebesar 0,029.
• Dalam sub-kriteria Service memiliki bobot tertinggi pada
Service 1 yaitu
Flexibilitas Pemesanan sebesar 0,074.
-
76
• Dalam sub-kriteria Reputation memiliki bobot tertinggi pada
Reputation 2 yaitu
History Konsumen sebesar 0,034 dibandingkan dengan Performa
Perusahaan
sebesar 0,011.
B. Responden 2
• Dalam sub-kriteria Kulitas memiliki bobot tertinggi pada
Kualitas 2 yaitu
Kegemburan Tanah Merah sebesar 0,089.
• Pada sub-kriteria Cost memiliki bobot tertinggi pada Cost 2
yaitu Harga Produk
sebesar 0,045.
• Pada sub-kriteria Delivery memiliki bobot tertinggi pada
Delivery 2 yaitu
Ketepatan Jumlah Pengiriman sebesar 0,052 dibandingkan dengan
Ketepatan
Waktu Pengiriman sebesar 0,011.
• Dalam sub-kriteria Service memiliki bobot tertinggi pada
Service 1 yaitu
Flexibilitas Pemesanan sebesar 0,138.
• Dalam sub-kriteria Reputation memiliki bobot tertinggi pada
Reputation 2 yaitu
History Konsumen sebesar 0,361 dibandingkan dengan Performa
Perusahaan
sebesar 0,120.
C. Responden 3
• Dalam sub-kriteria Kualitas memiliki bobot tertinggi pada
Kualitas 2 yaitu
Kegemburan Tanah Merah sebesar 0,278.
• Pada sub-kriteria Cost memiliki bobot tertinggi pada Cost 3
yaitu Harga Produk
sebesar 0,036.
• Pada sub-kriteria Delivery memiliki bobot tertinggi pada
Delivery 2 yaitu
Ketepatan Jumlah Pengiriman sebesar 0,053 dibandingkan dengan
Ketepatan
Waktu Pengiriman sebesar 0,008.
• Dalam sub-kriteria Service memiliki bobot tertinggi pada
Service 1 yaitu
Flexibilitas Pemesanan sebesar 0,097.
• Dalam sub-kriteria Reputation memiliki bobot tertinggi pada
Reputation 1 yaitu
Performa Perusahaan sebesar 0,243 dibandingkan dengan History
Konsumen
sebesar 0,049.
-
77
D. Responden 4
• Dalam sub-kriteria Kualitas memiliki bobot tertinggi pada
Kualitas 2 yaitu
Kegemburan Tanah Merah sebesar 0,314.
• Pada sub-kriteria Cost memiliki bobot tertinggi pada Cost 3
yaitu Harga Produk
sebesar 0,050.
• Pada sub-kriteria Delivery memiliki bobot tertinggi pada
Delivery 2 yaitu
Ketepatan Jumlah Pengiriman sebesar 0,051 dibandingkan dengan
Ketepatan
Waktu Pengiriman sebesar 0,007.
• Dalam sub-kriteria Service memiliki bobot tertinggi pada
Service 3 yaitu sebesar
0,069.
• Dalam sub-kriteria Reputation memiliki bobot tertinggi pada
Reputation 1 yaitu
Performa Perusahaan sebesar 0,833 dibandingkan dengan History
Konsumen
sebesar 0,167.
E. Responden 5
• Dalam sub-kriteria Kualitas memiliki bobot tertinggi pada
Kualitas 2 yaitu
Kegemburan Tanah Merah sebesar 0,101.
• Pada sub-kriteria Cost memiliki bobot tertinggi pada Cost 3
yaitu Harga Produk
sebesar 0,032.
• Pada sub-kriteria Delivery memiliki bobot tertinggi pada
Delivery 2 yaitu
Ketepatan Jumlah Pengiriman sebesar 0,072 dibandingkan dengan
Ketepatan
Waktu Pengiriman sebesar 0,015.
• Dalam sub-kriteria Service memiliki bobot tertinggi pada
Service 2 yaitu sebesar
0,157.
• Dalam sub-kriteria Reputation memiliki bobot tertinggi pada
Reputation 1 yaitu
Performa Perusahaan sebesar 0,398 dibandingkan dengan History
Konsumen
sebesar 0,080.
Dari penjelasan diatas dapat disimpulkan bahwa kualitas 2 yaitu
kegemburan tanah
merah memiliki bobot nilai yang paling tinggi diantara lainnya,
untuk sub-kriteria cost
yaitu harga produk memiliki nilai paling tinggi diantara
lainnya, untuk sub-kriteria
delivery yaitu dalam ketepatan jumlah pengiriman lebih tinggi
bobot nilainya diantara
lainnya. Sub-kriteria flexibilitas pemesanan memiliki bobot
nilai yang mutlak lebih
-
78
tinggi dari pada sub-kriteria service lainnya. Dan yang terakhir
adalah reputation, pada
sub-kriteria reputation performa perusahaan memiliki bobot nilai
yang lebih tinggi
daripada history konsumen.
Langkah selanjutnya setelah menghitung Global Weight untuk
masing-masing
sub-kriteria adalah melakukan perhitungan Geometric Mean dengan
rumus seperti
perhitungan Geometric Mean pada masing-masing kriteria.
Geometric Mean = 97�/ � �; � �< , … , �&
Tabel 4.22 Geometric Mean Global Weight Sub – Kriteria
Kriteria & Sub - Kriteria
Geometric Mean
Result
Normalized
Kualitas
K1 *0,061 ** 0,090
K2 0,061 0,090 K3 0,022 0,033
Cost
C1 0,009 0,013 C2 0,050 0,075 C3 0,051 0,076
Delivery
D1 0,012 0,018 D2 0,068 0,101
Service
S1 0,062 0,092 S2 0,037 0,055 S3 0,040 0,060
Reputation
R1 0,121 0,179 R2 0,079 0,118
TOTAL 0,674 1
Sumber : Pengolahan data primer, 2019.
Keterangan Tabel :
-
79
*0,061 = R7(0,113 � 0,039 � 0,039 � 0,122 � 0,084 � 0,018)
**0,090 = hasil dari pembagian 0,061 dengan 0,674. Dalam mencari
nilai keseluruhan
Geometric Mean dari Global Weight Sub – Kriteria dan perhitungan
Normalisasi ikuti
kedua langkah diatas. Agar lebih mempermudah proses perhitungan
AHP peneliti
merangkum hasil global weight sub-kriteria dari 5 responden
dalam tabel 4.26.
Tabel 4.23 Rangkuman Nilai Global Weight Sub – Kriteria
Kriteria dan Sub-Kriteria
Responden 1 Responden 2 Responden 3
Global Weight
Global Weight
Global Weight
K1 0,113 0,039 0,122 K2 0,258 0,089 0,278 K3 0,030 0,010 0,032
C1 0,015 0,004 0,006 C2 0,173 0,045 0,023 C3 0,078 0,020 0,036 D1
0,029 0,011 0,008 D2 0,142 0,052 0,053 S1 0,074 0,158 0,097 S2
0,012 0,026 0,043 S3 0,030 0,065 0,011 R1 0,011 0,120 0,243 R2
0,034 0,361 0,049
Sumber : Pengolahan data primer, 2019.
Tabel 4.24 Lanjutan Rangkuman Nilai Global Weight Sub –
Kriteria
Sub-
Kriteria
Responden 4 Responden 5 Geometric Mean Sub-Kriteria
Global Weight Global Weight Global Weight Ranking
K1 0,084 0,018 0,075 5 K2 0,314 0,101 0,208 1 K3 0,036 0,016
0,025 11 C1 0,008 0,005 0,008 13 C2 0,024 0,021 0,057 7 C3 0,050
0,032 0,044 10 D1 0,007 0,015 0,014 12 D2 0,051 0,072 0,074 6 S1
0,059 0,014 0,080 4 S2 0,033 0,157 0,054 8
-
80
S3 0,069 0,071 0,049 9 R1 0,199 0,398 0,194 2 R2 0,066 0,080
0,118 3
Sumber : Pengolahan data primer, 2019.
Setelah mendapatkan rangkuman hasil Global Weight Sub-kriteria
dari 5
responden, maka akan diurutkan urutan proritas dari sub-kriteria
dalam pemilihan
tanah merah di PT. Wijaya Karya (Persero) Tbk Pembangunan Jalan
Tol Cengkareng
– Batu Ceper – Kunciran seperti tabel 4.28. Urutan prioritas
berdasarkan hasil
perhitungan Global Weight Sub-Kriteria diatas
Tabel 4.25 Urutan Prioritas dan Hasil Global Weight Sub –
Kriteria
Sub-Kriteria
Geometric Mean Sub-Kriteria
Global Weight Ranking
K2 0,208 1 R1 0,194 2 R2 0,118 3 S1 0,080 4 K1 0,075 5 D2 0,074
6 C2 0,057 7 S2 0,054 8 S3 0,049 9 C3 0,044 10 K3 0,025 11 D1 0,014
12 C1 0,008 13
Sumber : Pengolahan data primer, 2019.
-
81
4.2.6.4 Analisa Geometric Mean Alternatif
Tabel 4.26 Geometric Mean dari Alternatif
ALTERN
ATIF
KUALITAS 1 Geometric Mean
Respond en 1
Respond en 2
Respond en 3
Respond en 4
Respond en 5
Weig ht
Normali zed
S1
0,293
0,293
0,293
0,312
0,307
*0,30 0
**0,302
S2 0,204 0,204 0,204 0,193 0,108 0,177 0,179 S3 0,051 0,051
0,051 0,041 0,045 0,048 0,048 S4 0,252 0,252 0,252 0,242 0,330
0,264 0,266 S5 0,106 0,106 0,106 0,127 0,123 0,113 0,114 S6 0,093
0,093 0,093 0,083 0,087 0,090 0,091
0,993 1,000
Sumber : Pengolahan data primer, 2019.
Setelah mendapatkan hasil dari semua responden, selanjutnya
penulis mengolah
semua data dari kelima responden untuk menghitung rata-ratanya
atau geometric mean
dengan tujuan dapat menghasilkan urutan prioritas pada
alternatif yaitu supplier tanah
merah.
Perhitungan Geometric Mean sama seperti cara dalam menghitung
Geometric
Mean dari Sub – Kriteria sebelumya. Sub – Kriteria K1 sebagai
contoh dalam
perhitungan Geometric Mean Alternatif. Sub – Kriteria lainnya
terdapat pada
lampiran.
*0,300 = R7(0,293 � 0,204 � 0,051 � 0,252 � 0,106 � 0,093)
**0,302 = Weight S1 dibagi dengan total keseluruhan weight.
0,300 dibagi dengan
0,993
Pada tahap melakukan normalisasi kelima responden cenderung
memilih
supplier 4 dalam pemenuhan sub-kriteria yang pertama yaitu
Spesifikasi Bahan Baku
sebesar 0,266. Supplier kedua yang dipilih adalah Supplier 1
memiliki bobot
normalisasi 0,302. Begitu seterusnya. Untuk sub-kriteria lainnya
terdapat dalam
halaman lampiran.
-
82
4.2.6.5 Hasil Perhitungan Analytical Hierarchy Process
Dalam AHP ini, penulis hanya akan menampilkan hasil perhitungan
dari
geometric mean dari kualitas untuk perhitungan lainnya terdapat
dalam lampiran.
Perhitungan Geometric Mean Alternatif pada kriteria kualitas
bertujuan untuk menarik
angka perwakilan dari para responden mengenai alternatif terkait
dengan sub – kriteria
yang ada. Berikut adalah hasil perhitungan Geometric Mean
beserta Urutan Prioritas
dar Alternatif.
Tabel 4.27 Geometric Mean dan Urutan Prioritas dari
Alternatif
SUB - KRITERIA
HASIL AKHIR GEOMETRIC MEAN
S1
S2
S3
S4
S5
S6
Global Weight
K1 0,293 0,204 0,051 0,252 0,106 0,093 0,208 K2 0,267 0,140
0,113 0,312 0,047 0,121 0,194 K3 0,094 0,166 0,053 0,190 0,411
0,086 0,118 C1 0,232 0,362 0,085 0,134 0,105 0,083 0,080 C2 0,283
0,081 0,149 0,118 0,227 0,141 0,075 C3 0,245 0,089 0,125 0,358
0,121 0,063 0,074 D1 0,199 0,038 0,165 0,144 0,098 0,355 0,057 D2
0,155 0,193 0,161 0,174 0,194 0,053 0,054 S1 0,047 0,104 0,169
0,258 0,325 0,098 0,049 S2 0,061 0,107 0,298 0,256 0,143 0,135
0,044 S3 0,222 0,205 0,157 0,266 0,064 0,085 0,025 R1 0,066 0,174
0,147 0,297 0,198 0,117 0,014 R2 0,072 0,275 0,118 0,145 0,270
0,119 0,008
Sumber : Pengolahan data primer, 2019.
Selanjutnya, untuk mendapatkan hasil bobot akhir alternatif.
Maka global weight
atau bobot diatas dikalikan dengan bobot geometric mean
sub-kriteria dengan hasil
sebagai berikut :
-
83
Tabel 4.28 Hasil Akhir Perhitungan AHP Pada Alternatif
SUB - KRITERIA
HASIL AKHIR GEOMETRIC MEAN
S1 S2 S3 S4 S5 S6
K1 *0,061 0,042 0,011 0,052 0,022 0,019
K2 0,052 0,027 0,022 0,061 0,009 0,024
K3 0,011 0,020 0,006 0,022 0,048 0,010
C1 0,019 0,029 0,007 0,011 0,008 0,007
C2 0,021 0,006 0,011 0,009 0,017 0,011
C3 0,018 0,007 0,009 0,027 0,009 0,005
D1 0,011 0,002 0,009 0,008 0,006 0,020
D2 0,008 0,010 0,009 0,009 0,011 0,003
S1 0,002 0,005 0,008 0,013 0,016 0,005
S2 0,003 0,005 0,013 0,011 0,006 0,006
S3 0,006 0,005 0,004 0,007 0,002 0,002
R1 0,001 0,002 0,002 0,004 0,003 0,002
R2 0,001 0,002 0,001 0,001 0,002 0,001
Total 0,215 0,164 0,112 0,235 0,160 0,114
Sumber : Pengolahan data primer, 2019.
Keterangan Tabel :
*0,061 = Nilai tersebut didapatkan dengan mengalikan global
weight atau bobot pada
tabel 4.26 dikalikan dengan bobot geometric mean sub-kriteria.
0,208 dikalikan
dengan 0,293
Tabel 4.29 Analisis Hasil Perhitungan AHP
ALTERNATIF BOBOT AKHIR
Supplier 1 0,215
Supplier 2 0,164
Supplier 3 0,112
Supplier 4 0,235
Supplier 5 0,160
Supplier 6 0,114
1,000
Sumber : Pengolahan data primer, 2019.
-
84
Berdasarkan hasil perhitungan AHP pada tabel 4. 29. 1 dari 6
supplier memiliki
urutan prioritas pertama yaitu supplier 4. Supplier 4 memiliki
bobot sebesar 0,235. Hal
tersebut menjadikan supplier 4 layak dijadikan supplier yang
dipilih oleh PT. Wijaya
Karya (Persero) Tbk dalam memenuhi kebutuhan proyek akan tanah
merah. Dalam
perhitungan AHP, supplier 4 unggul dalam 4 sub-kriteria yaitu
dalam K2, C3, S3, dan
R1. Sedangkan 5 supplier yang lain hanya unggul dalam beberapa
sub-kriteria lainnya.
Untuk menghasilkan perhitungan prioritas alternatif dari AHP,
penulis melakukan uji
TOPSIS.
4.3 Metode Analisis TOPSIS
4.3.1 Matriks Keputusan
Dalam metode TOPSIS, langkah pertama adalah membuat matriks
keputusan.
Dari data AHP yang telah dikelola diatas sebelumnya dapat dibuat
matriks keputusan
seperti dibawah ini :
Tabel 4.30 Hasil Akhir Geometric Mean AHP
SUB - KRITERIA
HASIL AKHIR GEOMETRIC MEAN
S1
S2
S3
S4
S5
S6
Global Weight
K1 0,293 0,204 0,051 0,252 0,106 0,093 0,208 K2 0,267 0,140
0,113 0,312 0,047 0,121 0,194 K3 0,094 0,166 0,053 0,190 0,411
0,086 0,118 C1 0,232 0,362 0,085 0,134 0,105 0,083 0,080 C2 0,283
0,081 0,149 0,118 0,227 0,141 0,075 C3 0,245 0,089 0,125 0,358
0,121 0,063 0,074 D1 0,199 0,038 0,165 0,144 0,098 0,355 0,057 D2
0,155 0,193 0,161 0,174 0,194 0,053 0,054 S1 0,047 0,104 0,169
0,258 0,325 0,098 0,049 S2 0,061 0,107 0,298 0,256 0,143 0,135
0,044 S3 0,222 0,205 0,157 0,266 0,064 0,085 0,025 R1 0,066 0,174
0,147 0,297 0,198 0,117 0,014 R2 0,072 0,275 0,118 0,145 0,270
0,119 0,008
S Sumber : Pengolahan data primer, 2019.
-
85
4.3.2 Matriks Keputusan Ternomalisasi
Setelah menyusun matriks keputusan, selanjutnya membuat
matriks
keputusan ternomalisasi. Tujuan dari matriks keputusan
ternomalisasi adalah
untuk menghetaui bobot dari masing - masing keputusan. Matriks
keputusan
ternormalisasi memiliki rumus sebagai berikut :
Tabel 4.31 Matriks Keputusan Ternormalisasi
SUB - KRITERI
A
Hasil Akhir Geomteric Mean
S1
S2
S3
S4
S5
S6 TOTA
L
Akar
K1
*0,086
0,042
0,003
0,064
0,011
0,009
**0,214 ***0,46
2
K2
0,071
0,020
0,013
0,097
0,002
0,015
0,218
0,467
K3
0,009
0,028
0,003
0,036
0,169
0,007
0,252
0,502
C1
0,054
0,131
0,007
0,018
0,011
0,007
0,228
0,477
C2
0,080
0,007
0,022
0,014
0,052
0,020
0,194
0,441
C3
0,060
0,008
0,016
0,128
0,015
0,004
0,230
0,480
D1
0,040
0,001
0,027
0,021
0,010
0,126
0,225
0,474
D2
0,024
0,037
0,026
0,030
0,038
0,003
0,158
0,397
S1
0,002
0,011
0,029
0,067
0,106
0,010
0,223
0,473
S2
0,004
0,011
0,089
0,066
0,020
0,018
0,208
0,456
S3
0,049
0,042
0,025
0,071
0,004
0,007
0,198
0,445
R1
0,004
0,030
0,022
0,088
0,039
0,014
0,197
0,444
R2
0,005
0,076
0,014
0,021
0,073
0,014
0,203
0,450
Sumber : Pengolahan data primer, 2019.
]/[ 5[ ^ X\] WX Y∑X
UV =
5WX , j = 1,2,3,…,j,I = 1,2,3,…, n.
-
86
Keterangan Tabel :
*0,086 = Perhitungan dari hasil akhir geometric mean AHP
dikuadratkan atau di
pangkatkan 2 (0,2932)
**0,214 = Penjumlahan dari hasil akhir geometric mean yang sudah
dikuadratkan
(0,086+0,042+0,003+0,064+0,011+0,009)
***0,462 = Hasil dari melakukan pengkaran pada kolom total atau
total hasil akhir
geometric mean (√0,214). Langkah selanjutnya adalah melakukan
perhitungan
terhadap matriks keputusan ternormalisasi.
Tabel 4.32 Matriks Keputusan Ternomalisasi Supplier 1 – Supplier
3
SUB - KRITERIA
Hasil Akhir Geomteric Mean Akar
Normalized Decision Matrix S1 S2 S3 S1 S2 S3
K1 0,086 0,042 0,003 0,462 0,186 0,090 0,006 K2 0,071 0,020
0,013 0,467 0,153 0,042 0,027 K3 0,009 0,028 0,003 0,502 0,018
0,055 0,006 C1 0,054 0,131 0,007 0,477 0,113 0,274 0,015 C2 0,080
0,007 0,022 0,441 0,182 0,015 0,050 C3 0,060 0,008 0,016 0,480
0,125 0,017 0,033 D1 0,040 0,001 0,027 0,474 0,084 0,003 0,057 D2
0,024 0,037 0,026 0,397 0,060 0,094 0,065 S1 0,002 0,011 0,029
0,473 0,005 0,023 0,060 S2 0,004 0,011 0,089 0,456 0,008 0,025
0,195 S3 0,049 0,042 0,025 0,445 0,111 0,094 0,055 R1 0,004 0,030
0,022 0,444 0,010 0,068 0,049 R2 0,005 0,076 0,014 0,450 0,012
0,168 0,031
Sumber : Pengolahan data primer, 2019.
Tabel 4.33 Lanjutan Matriks Keputusan Ternomalisasi Supplier 4 –
Supplier 6
SUB - KRITERI
A
Hasil Akhir Geomteric Mean Aka
r
Normalized Decision Matrix
S4 S5 S6 S4 S5 S6
K1
0,064
0,011
0,009 0,46
2
*0,137
0,024
0,019
-
87
K2
0,097
0,002
0,015
0,46 7
0,209
0,005
0,031
K3
0,036
0,169
0,007
0,50 2
0,072
0,337
0,015
C1
0,018
0,011
0,007
0,47 7
0,038
0,023
0,014
C2
0,014
0,052
0,020
0,44 1
0,032
0,117
0,045
C3
0,128
0,015
0,004
0,48 0
0,267
0,031
0,008
D1
0,021
0,010
0,126
0,47 4
0,044
0,020
0,266
D2
0,030
0,038
0,003
0,39 7
0,076
0,095
0,007
S1
0,067
0,106
0,010
0,47 3
0,141
0,224
0,020
S2
0,066
0,020
0,018
0,45 6
0,144
0,045
0,040
S3
0,071
0,004
0,007
0,44 5
0,159
0,009
0,016
R1
0,088
0,039
0,014
0,44 4
0,199
0,088
0,031
R2
0,021
0,073
0,014
0,45 0
0,047
0,162
0,031
Sumber : Pengolahan data primer, 2019.
Keterangan Tabel :
*0,137 = hasil tersebut didapatkan dari pembagian dari hasil
akhir geometric mean
dengan hasil akar dari nilai akhir geometric mean (0,064 dibagi
dengan 0,462). Untuk
perhitungan normalisasi pada masing-masing supplier mengikuti
langkah tersebut.
4.3.3 Matriks Keputusan Ternomalisasi Berbobot
Tujuan dari perhitungan matriks ini adalah menghetaui bobot
pada
masing – masing matriks keputusan yang telah ternormalisasi.
Untuk
menghetaui nilai bobot masing – masing sub – kriteria dari
beberapa supplier
penulis melakukan perkalian angka pada setiap kolom pada matriks
keputusan
yang telah ternormalisasi dengan bobot yang bersangkutan.
Geometric mean
yang digunakan dalam perhitungan ini adalah hasil dari geometric
mean global
weight dari sub – kriteria yang telah diolah dengan metode AHP
di atas.
-
88
Tabel 4. 34 Matriks Keputusan Ternormalisasi Berbobot
SUB -
KRITERI A
Normalize d
Geometric Mean Global Weight Sub -
Kriteria
Normalized Decision Matriks
Weight Normlized Decision Matrix
S1
S2
S3
S1
S2
S3
K1 0,208
0,186
0,090
0,006
* 0,039
0,019
0,001
K2 0,194
0,153
0,042
0,027
0,030
0,008
0,005
K3 0,118
0,018
0,055
0,006
0,002
0,006
0,001
C1 0,08
0,113
0,274
0,015
0,009
0,022
0,001
C2 0,075
0,182
0,015
0,050
0,014
0,001
0,004
C3 0,074
0,125
0,017
0,033
0,009
0,001
0,002
D1 0,057
0,084
0,003
0,057
0,005
0,000
0,003
D2 0,054
0,060
0,094
0,065
0,003
0,005
0,004
S1 0,049
0,005
0,023
0,060
0,000
0,001
0,003
S2 0,044
0,008
0,025
0,195
0,000
0,001
0,009
S3 0,025
0,111
0,094
0,055
0,003
0,002
0,001
R1 0,014
0,010
0,068
0,049
0,000
0,001
0,001
R2 0,008
0,012
0,168
0,031
0,000
0,001
0,000
Sumber : Pengolahan data primer, 2019.
Tabel 4.35 Lanjutan Matriks Keputusan Ternormalisasi
Berbobot
SUB - KRITERIA
Normalized Decision Matriks
Weight Normlized Decision Matrix
S4 S5 S6 S4 S5 S6
K1 0,137 0,024 0,019 0,029 0,005 0,029
V ij = wij x rij
-
89
K2 0,209 0,005 0,031 0,040 0,001 0,040
K3 0,072 0,337 0,015 0,008 0,040 0,008
C1 0,038 0,023 0,014 0,003 0,002 0,003
C2 0,032 0,117 0,045 0,002 0,009 0,002
C3 0,267 0,031 0,008 0,020 0,002 0,020
D1 0,044 0,020 0,266 0,002 0,001 0,002
D2 0,076 0,095 0,007 0,004 0,005 0,004
S1 0,141 0,224 0,020 0,007 0,011 0,007
S2 0,144 0,045 0,040 0,006 0,002 0,006
S3 0,159 0,009 0,016 0,004 0,000 0,004
R1 0,199 0,088 0,031 0,003 0,001 0,003
R2 0,047 0,162 0,031 0,000 0,001 0,000
Sumber :Pengolahan data primer, 2019.
Keterangan Tabel :
*0,039 = hasil tersebur didapatkan dengan cara mengalikan angka
sub-kriteria K1
dengan kolom bobot normalized geometric mean global weight yang
bersangkutan
(0,208 x 0,186). Untuk menghitung matriks keputusan
ternormalisasi pada masing –
masing supplier terhadap seluruh sub – kriteria ikuti cara
perhitungan dalam
menghitung sub-kriteria K1 diatas.
4.3.4 Solusi Ideal Positif dan Solusi Ideal Negatif
Pada metode TOPSIS, sangat berkaitan dengan solusi ideal dan
solusi negatif.
Hasil yang telah ditemukan selanjutnya akan ditentukan
berdasarkan solusi ideal
positif dan solusi ideal negatif. Rumus yang digunakan dalam
perhitungan solusi ideal
positif dan solusi ideal negatif sebagai berikut :
A. Solusi Ideal Positif
A+ = {(max (vij) j ∈ J), (min (vij)J ∈ j’) }
i = 1,2,3,.. m } = V1 + V2 + … + Vn + }
A+ = {(max (vij) j ∈ J), (min (vij)J ∈ j’) }
i = 1,2,3,.. m } = V1 - V2 - … - Vn - }
-
90
Tabel 4.36 Solusi Ideal Positif dan Solusi Ideal Negatif
SUB -
KRITERIA
Solusi Ideal Positif dan Negatif
Vij + Vij -
K1 0,0387 0,0012
K2 0,0405 0,0009
K3 0,0397 0,0007
C1 0,0220 0,0012
C2 0,0137 0,0011
C3 0,0198 0,0012
D1 0,0048 0,0002
D2 0,0051 0,0033
S1 0,0110 0,0002
S2 0,0086 0,0004
S3 0,0040 0,0002
R1 0,0028 0,0001
R2 0,0013 0,0001
Sumber : Pengolahan data primer, 2019.
Keterangan Tabel :
V ij + = hasil dari mencari angka yang paling besar untuk masing
– masing sub – kriteria
angka yang didapatkan dari kolom matriks keputusan
ternormalisasi berbobot.
V ij - = hasil dari mencari angka yang paling kecil untuk masing
– masing sub – kriteria
angka yang didapatkan dari kolom matriks keputusan
ternormalisasi berbobot.
4.3.5 Separation Measure
Untuk mengukur jarak antara alternatif ke solusi ideal positif
dan solusi ideal
negatif adalah fungsi dari Separation Measure.
-
91
VeU
VeU
A. Perhitungan dalam solusi ideal positif seperti berikut :
S1* = `∑& ( 7!8 9 78 ∗) 2
B. Perhitungan dalam solusi ideal negatif seperti berikut :
S1- = ̀ ∑& ( 7!8 9 78 9) 2
Tabel 4.37 Hasil dari Solusi Ideal Positif dan Solusi Ideal
Negatif
SUB -
KRITE RIA
Weight Normlized Decision
Matrix
Weight Normlized Decision
Matrix
Solusi Ideal Positif
dan Negatif
S1 S2 S3 S4 S5 S6 Vij + Vij -
K1
0,039
0,019
0,001
0,029
0,005
0,029
0,038
7
0,001
2
K2
0,030
0,008
0,005
0,040
0,001
0,040
0,040
5
0,000
9
K3
0,002
0,006
0,001
0,008
0,040
0,008
0,039
7
0,000
7
C1
0,009
0,022
0,001
0,003
0,002
0,003
0,022
0
0,001
2
C2
0,014
0,001
0,004
0,002
0,009
0,002
0,013
7
0,001
1
C3
0,009
0,001
0,002
0,020
0,002
0,020
0,019
8
0,001
2
D1
0,005
0,000
0,003
0,002
0,001
0,002
0,004
8
0,000
2
D2
0,003
0,005
0,004
0,004
0,005
0,004
0,005
1
0,003
3
S1
0,000
0,001
0,003
0,007
0,011
0,007
0,011
0
0,000
2
-
92
S2
0,000
0,001
0,009
0,006
0,002
0,006
0,008
6
0,000
4
S3
0,003
0,002
0,001
0,004
0,000
0,004
0,004
0
0,000
2
R1
0,000
0,001
0,001
0,003
0,001
0,003
0,002
8
0,000
1
R2
0,000
0,001
0,000
0,000
0,001
0,000
0,001
3
0,000
1
Sumber : Pengolahan data primer, 2019.
Tabel 4. 38 Lanjutan Hasil Separation Measure dari Solusi Ideal
Positif
SUB - KRITERIA
Separation Measure dari Solusi Ideal Positif
S1 S2 S3 S4 S5 S6
K1 - *0,020 0,038 0,010 0,034 0,036
K2 0,011 0,032 0,035 - 0,040 0,034
K3 0,038 0,033 0,039 0,031 - 0,039
C1 0,013 - 0,021 0,019 0,020 0,021
C2 - 0,013 0,010 0,011 0,005 0,012
C3 0,011 0,019 0,017 - 0,018 0,018
D1 - 0,005 0,001 0,002 0,004 0,007
D2 0,002 0,000 0,002 0,001 - 0,005
S1 0,011 0,010 0,008 0,004 - 0,008
S2 0,008 0,007 - 0,002 0,007 0,003
S3 0,001 0,002 0,003 - 0,004 0,001
R1 0,003 0,002 0,002 - 0,002 0,003
R2 0,001 - 0,001 0,001 0,000 0,000
TOTAL 0,098 0,142 0,177 0,082 0,131 0,187
AKAR 0,313 0,377 0,420 0,287 0,362 0,433
Sumber : Pengolahan data primer, 2019.
-
93
Tabel 4.39 Lanjutan Hasil Separation Measure dari Solusi Ideal
Negatif
SUB - KRITERIA
Separation Measure dari Solusi Ideal Negatif
S1 S2 S3 S4 S5 S6
K1 0,038 * 0,018 - 0,028 0,004 0,002
K2 0,029 0,007 0,004 0,039 - 0,006
K3 0,001 0,005 - 0,007 0,039 0,000
C1 0,008 0,021 - 0,002 0,001 0,000
C2 0,013 - 0,003 0,001 0,008 0,000
C3 0,008 - 0,001 0,019 0,001 0,001
D1 0,005 - 0,003 0,002 0,001 0,012
D2 - 0,002 0,001 0,001 0,002 0,002
S1 - 0,001 0,003 0,007 0,011 0,003
S2 - 0,001 0,009 0,006 0,002 0,006
S3 0,003 0,002 0,001 0,004 - 0,003
R1 - 0,001 0,001 0,003 0,001 0,006
R2 - 0,001 - - 0,001 0,001
TOTAL 0,105 0,059 0,026 0,119 0,071 0,042
AKAR *0,324 0,243 0,161 0,345 0,266 0,205
Sumber : Pengolahan data primer, 2019
Keterangan Tabel :
*0,020 = hasil tersebut didapatkan dari 7(0,019 9 ;!8g ) atau
7(0,019 − 0,039)
**0,018 = hasil tersebut didapatkan dari 7(0,019 − ;!8, ) atau
7(0,019 − 0,001)
***0,324 = hasil tersebut didapatkan dari hasil pengakaran total
sum Separation
Measure Solusi Ideal Positif atau 70,105
4.3.6 Relative Closeness
Langkah terakhir dalam metode TOPSIS adalah dengan menghitung
Relative
Closeness atau kedekatan relative. Kedekatan Relatif berfungsi
untuk mengurutkan
-
94
(! h
urutan prioritas dari setiap alternatif supplier tanah merah.
Cara menghitung kedekatan
relatif menggunakan rumus seperti berikut :
Ct1 = h ]
9 ] hi] )
, i = 1,2,…,j
Alternatif diurutkan dari yang terbaik hingga terburuk sesuai
dengan hasil
perhitungan dari Relative Closeness Alternatif yang dipilih
adalah alternatif yang
memiliki nilai Closeness Coeficient yang tertinggi.
Tabel 4.40 Hasil Akhir Analisa TOPSIS
Alternatif Hasil Rank
Supplier 4 0,953 1 Supplier 1 0,509 2 Supplier 2 0,423 3
Supplier 5 0,390 4 Supplier 6 0,321 5
Supplier 3 0,277 6 Sumber : Pengolahan data primer, 2019.
Setelah menghitung nilai Relative Closeness diatas, maka
didapatkan urutan
prioritas alternatif. Supplier 1 layak menjadi supplier terbaik
dalam menyuplai tanah
merah untuk PT. Wijaya Karya (Persero) Tbk. Dalam perhitungan
Relative Closeness
diatas perhitungan supplier 4 memiliki jarak terjauh dari solusi
ideal negatif dan
memiliki jarak terdekat atau terpendek dari solusi ideal
negatif.
4.4 Implikasi Penelitian
4.4.1 Secara Teoritis
Menurut teori yang dikemukakan Zouggari dan Benyoucef (2012) dan
Rezaei dan
Ortt (2013) tentang kriteria supplier terdapat 34 kategori
kriteria. Tetapi penulis
melakukan wawancara terhadap staff pengadaan dan mendapatkan
hasil bahwa dalam
!
-
95
kegiatan menyuplai tanh merah staff pengadaan barang dan jasa
PT. Wijaya Karya
(Persero) Tbk Proyek Pembangunan jalan Tol Cengkareng – Batu
Ceper – Kunciran
hanya mempettimbangkan 6 kriteria. 6 kriteria yang dipilih
adalah kualitas, cost,
delivery atau pengiriman, flexibilitas pemesanan, reputation.
Dari 6 supplier tersebut,
penulis melakukan pengolahan data dengan metode AHP dengan
tujuan melakukan
urutan prioritas terhadap kriteria tersebut.
Berdasarkan hasil penelitian yang telah dilakukan oleh penulis
hasil diatas
menunjukan bahwa kriteria Kualitas menjadi kriteria utama PT.
Wijaya Karya
(Persero) Tbk Proyek Pembangunan jalan Tol Cengkareng – Batu
Ceper - Kunciran
dalam pemilihan supplier tanah merah. Kriteria Kualitas memiliki
bobot yang paling
tinggi diantara 5 kriteria lainnya. Hal ini mendukung penelitian
yang dilakukan oleh
Ozkan, Basligil dan Sahin (2011) yang dalam penelitiannya
menunjukan bahwa
kriteria Kualitas adalah kriteria yang memiliki bobot tertinggi
dari alternatif lainnya.
Oleh karena itu Ozkan, Basligil dan Sahin (2011) mengemukakan
bahwa kriteria
Kualitas adalah kriteria tertinggi.
4.4.2 Secara Praktis
A. Penentuan Kriteria
Hasil analisis dengan meggunakan metode AHP diatas penulis
mendapatkan hasil
praktis. Hasil praktis tersebut yaitu hasil urutan prioritas
dalam memilih kriteria
pemilihan tanah merah yang akan digunakan oleh PT. Wijaya Karya
(Persero) Tbk
dalam Proyek Pembangunan jalan Tol Cengkareng – Batu Ceper –
Kunciran. Urutan
prioritas kriteria pemilihan tanah merah PT. Wijaya Karya
(Persero) Tbk Proyek
Pembangunan jalan Tol Cengkareng – Batu Ceper - Kunciran sebagai
berikut :
Tabel 4.41 Hasil Urutan Prioritas Kriteria
KRITERIA Bobot Rank
Kualitas 0,269 1
Reputation 0,240 2
Service 0,189 3
Cost 0,173 4
Delivery 0,129 5 Sumber : Pengolahan data primer, 2019.
-
96
Kualitas menjadi urutan pertama dalam pemilihan kriteria tanah
merah. Pada PT.
Wijaya Karya (Persero) Tbk Proyek Pembangunan Jalan Tol
Cengkareng – Batu Ceper
– Kunciran menunjukan bahwa kualitas dalam pemilihan tanah merah
sangat
mempengaruhi karena dalam suatu proyek kualitas sangat
diperhatikan. Jika kualitas
yang dipilih salah atau tidak sesuai kriteria berdampak cukup
besar dalam dalam
terwujudnya proyek tersebut. Menurut PT. Wijaya Karya (Persero)
Tbk Proyek
Pembangunan jalan Tol Cengkareng – Batu Ceper – Kunciran
kualitas tanah merah
yang baik adalah memiliki kegemburan tanah yang tinggi, dapat
disimpulkan jika
semakin gembur tanah akan semakin cocok untuk proyek karena
tidak mudah rusak
atau cacat.
Kriteria yang penting selanjutnya adalah reputation dari
supplier. PT. Wijaya
Karya (Persero) Tbk Proyek sangat mementingkan reputasi
suppliernya, karena jika
supplier tersebut memiliki reputasi yang baik maka perusahaan
yakin bahwa supplier
memiliki kualitas tanah merah yang baik pula. Reputasi supplier
sangat
mempengaruhi tim pengadaan dalam memiliki supplier contohnya tim
pengadaan
selalu mengadakan survey terhadap konsumen supplier tersebut
bagaimana kinerja
supplier dan kualitas dari tanah merah. Jika history konsumen
supplier positif itu
menjadi nilai tambahan untuk tim pengadaan dalam memilih
supplier tersebut. Selain
itu PT. Wijaya Karya (Persero) Tbk Proyek Pembangunan jalan Tol
Cengkareng –
Batu Ceper – Kunciran selalu mengutamakan supplier yang
mempunyai standar ISO
180. Dimana supplier yang memiliki standar ISO 180 dianggap
layak menjadi salah
satu supplier yang dipilih.
Selanjutnya kriteria ketiga yaitu service memiliki bobot 0,269.
Pada PT. Wijaya
Karya (Persero) Tbk Proyek Pembangunan jalan Tol Cengkareng –
Batu Ceper –
Kunciran memiliki sub-kriteria flexibilitas pemesanan, pemecahan
masalah dan
kemampuan memberikan informasi. Ketiga sub-kriteria tersebut
dianggap penting
oleh tim pengadaan dalam pemilihan supplier. Jika salah satu
sub-kriteria tidak
dimiliki oleh supplier maka menjadi nilai minus untuk tim
pengadaan dalam memilih
supplier tersebut. PT. Wijaya Karya (Persero) Tbk Proyek
Pembangunan jalan Tol
Cengkareng – Batu Ceper – Kunciran lebih memilih supplier yang
melakukan
sosialisasi terlebih dahulu tentang produk yang mereka tawarkan.
Sehingga PT.
-
97
Wijaya Karya (Persero) Tbk Proyek Pembangunan jalan Tol
Cengkareng – Batu Ceper
– Kunciran menghetaui dengan spesifik produk yang supplier
tawarkan dan tidak
terjadi kesalahan spesifikasi produk saat sudah melakukan
pembayaran.
Kriteria keempat yang memiliki bobot 0,173 tidak jauh berbeda
dengan kriteria
Service yaitu Cost. Karena dalam proyek memiliki budget yang
sangat terbatas maka
dari itu tim pengadaan harus sangat mempetimbangkan cost dari
tanah merah. Sebagai
contoh adalahnya harga tanah merah itu sendiri. PT. Wijaya Karya
(Persero) Tbk
Proyek Pembangunan jalan Tol Cengkareng – Batu Ceper – Kunciran
lebih memilih
harga tanah merah yang lebih murah karena keterbatasan dana,
tidak hanya murah
kualitas tanah merah yang diberikan juga harus dilihat terlebih
dahulu. Selain itu dalam
hal ongkos, PT. Wika selalu melihat jarak antara supplier
terhadap proyek karena itu
sangat mempengaruhi ongkos yang akan dibayar oleh
perusahaan.
Delivery atau Pengiriman menjadi kriteria ke 5 dengan bobot
0,129 dalam
pemilihan supplier tanah merah. PT. Wijaya Karya (Persero) Tbk
Proyek
Pembangunan jalan Tol Cengkareng – Batu Ceper – Kunciran lebih
mengutamakan
supplier yang dapat mengirmkan produknya dengan tepat waktu,
dengan alasan
sebuah proyek memiliki jangka waktu yang telah ditentukan
sebelumnya. Oleh karena
itu, PT. Wika selalu mencari supplier yang dapat memenuhi
kebutuhan tanah merah
proyek dengan tepat waktu.
B. Penentuan Supplier
Selain mengolah data untuk melihat urutan prioritas terhadap
kriteria tanah
merah yang dibutuhkan oleh PT. Wijaya Karya (Persero) Tbk Proyek
Pembangunan
jalan Tol Cengkareng – Batu Ceper – Kunciran penulis melakukan
penelitian untuk
menghetaui supplier mana yang paling tepat untuk menyuplai tanah
merah kepada PT.
Wijaya Karya (Persero) Tbk Proyek Pembangunan jalan Tol
Cengkareng – Batu Ceper
– Kunciran. Dari ke enam supplier tersebut akan dipilih memlalui
kuisoner yang telah
disebar oleh penulis kepada staff pengadaan barang dan jasa.
Hasil dari pengolahan
data yang dilakukan penulis dengan menggunakan metode AHP adalah
sebagai
berikut.
-
98
Tabel 4.42 Hasil Akhir Analisa AHP
Alternatif Weight Supplier 1 0,215
Supplier 2 0,164
Supplier 3 0,112
Supplier 4 0,235
Supplier 5 0,160 Supplier 6 0,114
Sumber : Pengolahan data primer, 2019.
Pada tabel 4.42. Supplier 4 menjadi supplier yang memiliki bobot
tertinggi yaitu
0,235. Supplier 4 unggul dalam beberapa sub-kriteria, yaitu
kegemburan tanag merah
(K2), Ongkos (C3), Kemampuan Memberikan Informasi (S3), Performa
Perusahaan
(R1) dan Performa Persuahaan (R1). Supplier 4 memiliki
keunggulan hampir disetiap
sub-kriteria. Supplier lainnya hanya unggul dalam beberapa
sub-kriteria. Oleh karena
itu, supplier 4 dapat memenuhi kebutuhan tanah merah untuk PT.
Wijaya Karya
(Persero) Tbk Proyek Pembangunan jalan Tol Cengkareng – Batu
Ceper – Kunciran.
Tabel 4.43 Hasil Akhir Analisa TOPSIS
Alternatif Hasil Rank
Supplier 4 0,953 1
Supplier 1 0,509 2
Supplier 2 0,423 3
Supplier 5 0,390 4
Supplier 6 0,321 5
Supplier 3 0,277 6
Sumber : Pengolahan data primer, 2019.
Pada tabel 4.41 menghasilkan hasil dari perhitungan urutan
prioritas dalam
pemilihan supplier dengan