SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN DATABASE MENGGUNAKAN ...riset.potensi-utama.ac.id/upload/penelitian/penerbitan_jurnal/8689... · adalah dengan metode Analytical Hierarchy Process

Sity, Sistem Pendukung Keputusan Pemilihan…1

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN DATABASE MENGGUNAKAN

METODE ANALYTICAL HIERARCHY PROCESS (AHP)

Sity Aisyah1, Nawang Kalbuana

2

1,2

AMIK Raharja Informatika, Jl. Jend Sudirman no.40 Cikokol-Tangerang

Email : [email protected], [email protected]

ABSTRACT

With the increasing number of students at some colleges, it would require the

existence of an Academic Information Systems that can meet the information needs of

academic community such as faculty, students and university management itself. In

building the system needed a database as a data storage medium. There are several

factors that a criterion in determining the best database that will be used in a college.

One method of decision-making system in determining issues involving multi-criteria

method is the Analytical Hierarchy Process (AHP). This research aims to build a

decision support system that has the ability to analyze the selection of a database by

using the method of Analytical Hierarchy Process (AHP), the factors used is by

comparing one database software from one to another with a certain selection criteria

so as to provide the output value priority intensity that produces an assessment of

each database system. This decision support system helps to assess any database

software, make changes and changes in the weights of criteria so it is useful to

facilitate decision making related to the problem of database selection is best. Overall,

the Oracle database (0.699) has a value which compares favorably with MySQL

(0.170) and SQL Server (.131), but unfortunately the price Oracle has a value far

higher value than other databases 0.662.

Keyword : Decision Support System, AHP, DatabaseSelection

ABSTRAK

Dengan semakin meningkatnya jumlah mahasiswa pada suatu perguruan tinggi, maka

diperlukan adanya suatu Sistem Informasi Akademik yang dapat memenuhi kebutuhan

informasi bagi civitas akademik seperti dosen, mahasiswa dan manajemen perguruan

tinggi itu sendiri. Dalam membangun sistem dibutuhkan suatu database sebagai media

penyimpanan data. Terdapat beberapa faktor yang menjadi kriteria dalam menentukan

database terbaik yang akan dipakai di suatu perguruan tinggi. Salah satu metode sistem

pengambilan keputusan dalam menentukan persoalan yang melibatkan multi kriteria

adalah dengan metode Analytical Hierarchy Process (AHP).Penelitian ini bertujuan

untuk membangun sebuah sistem pendukung keputusan yang mempunyai kemampuan

analisa pemilihan database dengan menggunakan metode Analytical Hierarchy Process

(AHP), faktor-faktor yang digunakan adalah dengan membandingkan satu perangkat

lunak database yang satu dengan yang lainnya dengan kriteria pemilihan tertentu

sehingga memberikan output nilai intensitas prioritas yang menghasilkan suatu sistem

penilaian terhadap setiap database.Sistem pendukung keputusan ini membantu

melakukan penilaian setiap perangkat lunak database, melakukan perubahan kriteria

dan perubahan nilai bobot sehingga sangat berguna untuk memudahkan pengambilan

keputusan yang terkait dengan masalah pemilihan database yang terbaik.Secara

keseluruhan database Oracle (0,699) mempunyai nilai yang lebih baik dibandingkan

dengan MySQL (0,170) maupun SQL Server (0,131), namun sayangnya harga Oracle

mempunyai nilai yang jauh lebih tinggi nilainya dibandingkan database lain 0,662.

Kata kunci :Sistem pendukung keputusan, AHP, Pemilihan Database.

mailto:[email protected]

2. CSRID Journal, Vol.4 No.1 Februari 2012, Hal. 1 - 14

PENDAHULUAN

Perkembangan suatu perguruan tinggi sangat dipengaruhi oleh jumlah mahasiswa yang masuk.

Dengan bertambahnya jumlah mahasiswa maka diperlukan suatu sistem informasi yang ditujukan

untuk dapat memberikan pelayanan kepada mahasiswa berupa informasi-informasi yang

dibutuhkan oleh mahasiswa dengan cepat, tepat dan akurat. Adapun informasi-informasi yang

dibutuhkan oleh mahasiswa antara lain seperti informasi jadwal perkuliahan, jadwal ujian,

informasi pembayaran, dan lain-lain. Untuk membangun suatu sistem informasi akademik yang

dapat memberikan semua informasi itu diperlukan suatu database , oleh karenanya sebelum sistem

itu dibangun manajemen perguruan tinggi dalam hal ini diwakili oleh divisi IT (information

technology) sebelum memutuskan perangkat lunak database apa yang akan dipakai nantinya

menentukan beberapa kriteria-kriteria dalam memutuskan database yang terbaik yang akan dipakai

untuk membangun sistem informasi akademik.Oleh sebab itu penulis menggunakan perangkat

lunak Criterium DecisionPlus(R)3.0Student Versionuntuk membantu manajemen dalam membuat

keputusan untuk pemilihan database dengan mengunakan metode AHP atau Analytical Hierarchy

Process.

KAJIAN MATERI

AHP (ANALYTICAL HIERARCHY PROCESS)

Analytical Hierarchy Process (AHP) dikembangkan oleh Thomas L. Saaty pada tahun

1970-an. Metode ini merupakan salah satu model pengambilan keputusan multikriteria yang

dapat membantu kerangka berpikir manusia dimana faktor logika, pengalaman pengetahuan,

emosi dan rasa dioptimasikan ke dalam suatu proses sistematis. Pada dasarnya, AHP

merupakan metode yang digunakan untuk memecahkan masalah yang kompleks dan tidak

terstruktur ke dalam kelompok-kelompoknya, dengan mengatur kelompok tersebut ke dalam

suatu hierarki, kemudian memasukkan nilai numerik sebagai pengganti persepsi manusia dalam

melakukan perbandingan relatif. Dengan suatu sintesa maka akan dapat ditentukan elemen mana

yang mempunyai prioritas tertinggi.

Pemilihan database yang dilakukan dengan memperhatikan kriteria-kriteria yang ada akan

memiliki kompleksitas tersendiri apabila data yang diperoleh yang dijadikan input utama masih

kualitatif. Menurut Yahya (Suryadi dan Ramdhani,2002,h.131) adakalanya timbul masalah

keputusan yang dirasakan dan diamati perlu diambil secepatnya, tetapi variasinya rumit sehingga

datanya tidak mungkin dicatat secara numerik, hanya secara kualitatif saja yang diukur, yaitu

berdasarkan persepsi pengalaman dan intuisi. Namun, tidak menutup kemungkinan, bahwa model-

model lainnya ikut dipertimbangkan pada saat proses pengambilan keputusan dengan pendekatan

AHP, khususnya dalam memahami para pengambil keputusan individual pada saat proses

penerapan pendekatan ini.

Menurut Suryadi dan Ramdhani (2002,h.131) kelebihan AHP dibanding metode lain,

diantaranya sebagai berikut.

1. Struktur yang berhirarki, sebagai konsekuensi dari kriteria yang dipilih, sampai pada subkriteria

yang paling dalam.

Kriteria menjadi level kedua setelah sasaran (goal), yakni pemilihan database. Penentuan

kriteria dilakukan berdasarkan keputusan pimpinan atas masukan dari kepala divisi IT.

2. Memperhitungkan validitas sampai dengan batas toleransi inkonsistensi berbagai kriteria dan

alternatif yang dipilih oleh para pengambil keputusan. Konsistensi setiap level diperiksa, baik

level kriteria (kriteria pemilihan) maupun level alternatif (perangkat lunak database).

3. Memperhitungkan daya tahan atau ketahanan output analisis sensitivitas pengambilan

keputusan.

Selain itu, AHP mempunyai kemampuan untuk memecahkan masalah yang multiobjektif dan

multikriteria yang berdasar pada perbandingan preferensi dari setiap elemen dalam hirarki. Jadi,

model ini merupakan suatu model pengambilan keputusan yang komprehensif.

Menurut Suryadi dan Ramdhani (2002,h.131-132) pada dasarnya langkah-langkah dalam

metode AHP , adalah sebagai berikut :


1. Mendefinisikan masalah dan menentukan solusi yang diinginkan. Masalah yang akan dibahas

yaitu, proses pemilihan database dengan multikriteria. Solusi yang diharapkan yaitu

mendapatkan alternatif-alternatif perangkat lunak database yang akan digunakan.

2. Membuat struktur hirarki yang diawali dengan tujuan umum, kriteria/komponen yang dinilai

dan alternatif-alternatif pada tingkatan yang paling bawah.

Tujuan Umum(goal)

Kriteria 2 Kriteria 3Kriteria 1 Kriteria 4

Alternatif 1 Alternatif 2 Alternatif 3

Gambar 1. Struktur Hirarki dalam AHP

3. Membuat matriks perbandingan berpasangan yang menggambarkan kontribusi relatif atau

pengaruh setiap elemen terhadap masing-masing tujuan dan kriteria yang setingkat di atasnya.

Perbandingan dilakukan berdasarkan “judgement” dari pengambil keputusan dengan menilai

tingkat kepentingan suatu elemen dibanding elemen lainnya.

Tabel 1. Matriks Perbandingan Berpasangan

Kriteria 1 Kriteria 1 Kriteria 1 Kriteria 1

Kriteria 1 k11 k12 k13 k14




4. Melakukan perbandingan berpasangan sehingga diperoleh judgement seluruhnya sebanyak n ×

[ (n-1) /2] buah, dengan n adalah banyaknya elemen yang dibandingkan.

5. Apabila terdapat 5 kriteria yang diperbandingkan maka kita harus melakukan judgement

perbandingan berpasangan sebanyak 10 kali.

6. Menghitung nilai eigen dan menguji konsistensinya, jika tidak konsisten maka pengambilan

data diulang.

7. Mengulangi langkah 3,4, dan 5 untuk seluruh tingkat hirarki.

8. Menghitung vector eigen dari setiap matriks perbandingan berpasangan. Nilai vector eigen

merupakan bobot setiap elemen. Langkah ini untuk mensintensis judgement dalam penentuan

prioritas elemen-elemen pada tingkat hirarki terendah sampai pencapaian tujuan.

9. Memeriksa konsistensi hirarki. Jika nilai lebih dari 10 persen maka penilaian data judgement

harus diperbaiki.

Secara umum perhitungan AHP dilakukan sebagai berikut :


Menentukan Hirarki (Tujuan, Kriteria, dan Alternatif)

Melakukan perhitungan bobot prioritas kriteria (menghitung matriks

berpasangan dan nilai eigen)

Melakukan perhitungan bobot prioritas alternatif (menghitung

matriks berpasangan dan nilai eigen)

Memeriksa Konsistensi Hirarki

Penghitungan dengan AHP selesai

CR <= 0,1

Tidak

Penilaian Ulang

Gambar 2. Langkah Perhitungan dalam AHP

Penyusunan Hirarki

Menurut Tintri (2004,h.3) hirarki adalah abstraksi struktur suatu sistem yang

mempelajari fungsi interaksi antara komponen dan juga dampak-dampaknya pada sistem.

Penyusunan hirarki atau struktur keputusan dilakukan untuk menggambarkan elemen sistem

atau alternatif keputusan yang teridentifikasi.

Penentuan Prioritas

Menurut Tintri (2004,h.5) untuk setiap kriteria dan alternatif, kita harus melakukan

perbandingan berpasangan (pairwise comparison) yaitu membandingkan setiap elemen

dengan elemen lainnya pada setiap tingkat hirarki secara berpasangan sehingga didapat nilai

tingkat kepentingan elemen dalam bentuk pendapat kualitatif.

Menurut Suryadi dan Ramdhani (2002,h.132-133) secara naluri, manusia dapat

mengestimasi besaran sederhana melalui inderanya. Proses yang paling mudah adalah

membandingkan dua hal dengan keakuratan perbandingan tersebut dapat dipertanggung

jawabkan. Untuk itu Saaty (1980) menetapkan skala kuantitatif 1 sampai dengan 9 untuk

menilai perbandingan tingkat kepentingan suatu elemen terhadap elemen lain.

Tabel 2. Skala Penilaian Perbandingan Berpasangan

Nilai Perbandingan Definisi

(A dibandingkan B)

1 A sama penting dengan B

3 A sedikit lebih penting dari B

1/3 Kebalikannya (B sedikit lebih penting dari A)

5 A jelas lebih penting dari B

1/5 Kebalikannya (B jelas lebih penting dari A)


7 A sangat jelas lebih penting dari pada B

1/7 Kebalikannya (B sangat jelas lebih penting dari pada A)

9 A mutlak lebih penting dari pada B

1/9 Kebalikannya (B mutlak lebih penting dari pada A)

2,4,6,8 atau Diberikan apabila terdapat sedikit perbedaan dengan patokan

1/2, 1/4, 1/6, 1/8 diatas

PEMBAHASAN

Dalam bagian ini akan disajikan perhitungan mulai dari pembobotan kriteria, penyelesaian

dengan manipulasi matrik, pembobotan alternatif, consistency ratio dan juga pemilihan alternatif

menggunakan software criterium decisionplus. Adapun data yang diperoleh penulis berdasarkan

hasil pengisian kuisioner oleh responden.Dan dalam melakukan penelitian, penulis melakukan

beberapa tahap seperti yang terlihat dalam gambar di bawah ini :

Studi LiteraturPenentuan lokasi dan variabel penelitianMenentukan kebutuhan data yang akan digunakanPengumpulan data yang dibutuhkan

Kuisioner Data Penelitian

Kriteria pemilihan yang digunakan

Pengelolaan alternatif yang

digunakan

Alternatif-alternatif database

Pengolahan data dengan AHP

ManualPerangkat lunak/Aplikasi Criterium

DecisionPlus

Gambar 3. Desain Penelitian Pemilihan Perangkat Lunak Database

Hirarki Dari Komponen Keputusan

Pemilihan Database

Kapasitas HargaKecepatan Akses Data

SQL Server MySQL Oracle



Gambar 4. Hubungan Sasaran, Kriteria, dan Alternatif dalam AHP


Pembobotan Kriteria

Tabel 3. Skala Penilaian Perbandingan Berpasangan Kecepatan Akses Data Kapasitas Harga

Kecepatan Akses Data 1/1 1/4 3/1

Kapasitas 4/1 1/1 1/2

Harga 1/3 2/1 1/1

Penyelesaian Dengan Manipulasi Matrik

o Ubah matrik menjadi bilangan desimal

o Iterasi I

Kuadratkan matrik di atas :

x =

Jumlahkan nilai setiap baris dan hitung nilai normalisasinya : Jumlah

Baris

Hasil Normalisasi

15,6250

24,1667

15,7499

15,6250 ÷ 55,5416 = 0,2813

24,1667 ÷ 55,5416 = 0,4351

15,7499 ÷ 55,5416 = 0,2836

Jumlah 55,5416 1,0000

o Iterasi II


x =

Jumlahkan nilai setiap baris dan hitung nilai normalisasinya :

Jumlah

Baris

Hasil Normalisasi

300,4267

404, 8535

281,3452

300,4267 : 986,6254 = 0,3045

404, 8535 : 986,6254 = 0,4103

281,3452 : 986,6254 = 0,2852

Jumlah 986,6254 1,0000

Hitung Perbedaan nilai eigen sebelum dan sesudah nilai eigen sekarang : 0,2813 – 0.3045 = -0.0232

0,4351 – 0.4103 = 0.0248

0,2836 – 0.2852 = -0.0016

o Iterasi III


x

Jumlahkan nilai setiap baris dan hitung nilai normalisasinya : Jumlah Baris Hasil Normalisasi

94.626,9472

131.212,4256

90.767,1760

94.626,9472 : 316.606,5489= 0,2989

131.212,4256 : 316.606,5489= 0,4144

90.767,1760 : 316.606,5489 = 0,2867

Jumlah 316.606,5489 1,0000


Hitung Perbedaan nilai eigen sebelum dan sesudah nilai eigen sekarang : 0,3045 – 0,2989 = 0.0056

0,4103 – 0,4144 = -0.0041

0,2852 – 0,2867 = -0.0015

Jadi nilai eigen yang diperoleh adalah : 0,2989, 0,4144, 0,2867.

Tabel 4. Matrik Berpasangan beserta dengan Nilai Eigen

Kecepatan Akses Data Kapasitas Harga Nilai Eigen

Kecepatan Akses Data 1,0000 0,2500 3,0000 0,2989

Kapasitas 4,0000 1,0000 0,5000 0,4144

Harga 0,3333 2,0000 1,0000 0,2867

Berdasarkan nilai eigen, maka diketahui bahwa kriteria yang paling penting adalah

kapasitas, kecepatan akses, dan terakhir harga. Hasil diagram hierarki beserta dengan

nilai bobot kriteria yang telah diperoleh dapat dilihat pada gambar di bawah ini.

Pemilihan Database1,00

Kapasitas0,4144

Harga0,2867

Kecepatan Akses Data0,2989




Sasaran

Kriteria

Gambar 5. Hasil Perhitungan Bobot Kriteria

Pembobotan Alternatif

Matrik berpasangan untuk alternatif-alternatif bagi setiap kriteria, Pembobotan kriteria

Kecepatan Akses Data adalah :


SQL Server 1/1 1/2 1/3

MySQL 2/1 1/1 1/3

Oracle 3/1 3/1 1/1

Pembobotan kriteria Kapasitas adalah :



MySQL 2/1 1/1 1/5

Oracle 5/1 5/1 1/1

Pembobotan kriteria Harga adalah :



MySQL 1/2 1/1 1/9

Oracle 7/1 9/1 1/1

Penyelesaian dengan manipulasi matrik

Untuk menghitung nilai eigen dari masing-masing kriteria yaitu kecepatan akses data,

kapasitas, dan harga menggunakan cara yang sama seperti di atas.


A. Kriteria : Kecepatan Akses Data

o Matrik

o Nilai Eigen Jumlah Baris Hasil Normalisasi

54,9167

87,1667

207,5000

54,9167÷349,5834 = 0,1571

87,1667 ÷349,5834 = 0,2493

207,5000 ÷349,5834 = 0,5936

Jumlah 349,5834 1,0000

B. Kriteria : Kapasitas

o Matrik

o Nilai Eigen

Jumlah

Baris

Hasil Normalisasi

51,8500

82,3000

326,5000

51,8500 ÷460,6500 = 0,1126

82,3000 ÷460,6500 = 0,1787

326,5000÷460,6500 = 0,7088

Jumlah 460,6500 1,0000

C. Kriteria : Harga

o Matrik

o Nilai Eigen

Jumlah

Baris

Hasil Normalisasi

80,3617

46,5578

485,4683

80,3617 ÷612,3878 = 0,1312

46,5578 ÷612,3878 = 0,0760

485,4683÷612,3878 = 0,7927

Jumlah 612,3878 1,0000

Dengan menghitung nilai eigen dari ketiga kriteria di atas maka diperoleh :

Ranking Alternatif Nilai Eigen

Kecepatan Akses Data

3 SQL Server 0,1571

2 MySQL 0,2493

1 Oracle 0,5936


Kapasitas

3 SQL Server 0,1126

2 MySQL 0,1787

1 Oracle 0,7088


Harga

2 SQL Server 0,1312

3 MySQL 0,0760

1 Oracle 0,7927


Pemilihan Database1,00

Kapasitas0,4144

Harga0,2867

Kecepatan Akses Data0,2989

SQL Server (0,1571) MySQL (0,2493) Oracle (0,5936)



Gambar 6. Hasil Akhir Seluruh Bobot

Dari hasil analisis di atas, maka jawaban dapat diperoleh dengan jalan mengalikan matrik

nilai eigen dari alternatif dengan matrik bobot kriteria :

Tabel 5. Hasil Akhir Penghitungan Bobot Kriteria

Alternatif Kecepatan Akses Data Kapasitas Harga Bobot Kriteria

SQL Server 0,1571 0,1126 0,1312 0,2989

MySQL 0,2493 0,1787 0,0760 0,4144

Oracle 0,5936 0,7088 0,7927 0,2867

Hasilnya : Jadi ranking yang diperoleh :

SQL Server : 0,1312 1.Oracle : 0,6984

MySQL : 0,1704 2. MySQL : 0,1704

Oracle : 0,6984 3. SQL Server : 0,1312

Consistency Ratio (CR)

Consistency Ratio merupakan parameter yang digunakan untuk memeriksa apakah

perbandingan berpasangan telah dilakukan dengan konsekwen atau tidak.

CR = CI ÷ RI

Nilai RI merupakan nilai random indeks yang dikeluarkan oleh Oarkridge Laboratory yang

berupa tabel berikut ini :

N 1 2 3 4 5 6 7 8 9 10 11 12 13

RI 0,00 0,00 0,58 0,90 1,12 1,24 1,32 1,41 1,45 1,49 1,51 1,48 1,56 CR <= 0.1 : Konsisten

0.1 < CR <= 0.15 : Agak Konsisten

CR > 0.15 : Tidak Konsisten

A. Kriteria : Kecepatan Akses Data

Pembobotan alternatif

Kecepatan Akses Data SQL Server MySQL Oracle


MySQL 2/1 1/1 1/3

Oracle 3/1 3/1 1/1

Dari nilai faktor (nilai eigen) kriteria kecepatan akses data adalah :

o SQL Server : 0,1571

o MySQL : 0,2493

o Oracle : 0,5936


Weight Sum Vektor dapat dihitung dengan jalan mengalikan ke dua matriks tersebut :

1/1 1/2 1/3

*

0,1571

=

0,4796

2/1 1/1 1/3 0,2493 0,7614

3/1 3/1 1/1 0,5936 1,8128

Kemudian dihitung Consistency Vektordengan jalan menentukan nilai rata-rata dari

Weight Sum Vektor. 0,4796 ÷ 0,1571 = 3,0529

0,7614 ÷ 0,2493 = 3,0540

1,8128 ÷ 0,5936 = 3,0539

Nilai rata-rata dari Consistency Vektor adalah :

= 3,0536

Nilai Consistency Index adalah :

n : banyaknya alternatif

Nilai Consistency Ratio adalah :

CR = CI ÷ RI (Untuk n=3, nilai RI adalah 0,58)

CR = 0,0268 ÷ 0,58

= 0,0462

Karena nilai CR adalah 0,0462, sehingga penilaian perbandingan pemilihan database

berdasarkan kriteria kecepatan akses data sudah konsisten dan tidak memerlukan revisi

penilaian.

B. Kriteria : Kapasitas




MySQL 2/1 1/1 1/5

Oracle 5/1 5/1 1/1

Dari nilai faktor (nilai eigen) kriteria kapasitas adalah :


o MySQL : 0,1787

o Oracle : 0,7088

Dengan cara perhitungan yang sama seperti di atas, maka hasil nilai Consistency Ratio

adalah :

CR = CI ÷ RI (Untuk N=3, nilai RI adalah 0,58)

CR = 0,0268 ÷ 0,58

= 0,0462

Karena nilai CR adalah 0,0462, sehingga penilaian perbandingan database berdasarkan

kriteria kapasitas sudah konsisten dan tidak memerlukan revisi penilaian.

C. Kriteria : Harga




MySQL 1/2 1/1 1/9

Oracle 7/1 9/1 1/1


Dari nilai faktor (nilai eigen) kriteria harga adalah :


o MySQL : 0,0760

o Oracle : 0,7927

Dengan cara perhitungan yang sama seperti di atas, maka hasil nilai Consistency

Ratio adalah : CR = CI ÷ RI (Untuk N=3, nilai RI adalah 0,58)

CR = 0,0109 ÷ 0,58

= 0,0187

Karena nilai CR adalah 0,0187, sehingga penilaian perbandingan database berdasarkan

kriteria harga sudah konsisten dan tidak memerlukan revisi penilaian.

PENYELESAIAN AHP DENGAN CRITERIUM DECISION PLUS

Berikut akan diuraikan contoh penyelesaian AHP dengan Criterium Decision Plus pada

pemilihan database yang hierarkinya ditunjukkan pada gambar 1.4. Langkah-langkah perhitungan AHP pada Criterium Decision Plusadalah sebagai berikut :

1. Jalankan program Criterium Decision Plus dengan perintah : start/Program/Criterium

Decision Plus, lalu double klik Criterium Decision Plus.

2. Buat file brainstrorming, dengan perintah File/New, lalu buat struktur masalah seperti pada

gambar 3.6. Setelah selesai, simpan dengan peruntah File/Save As dan beri nama

database.bst

Gambar 7. Hasil Brainstorming

3. Buat struktur hierarki dengan perintah Model Generate Hierarchy. Lalu berikan nama

model yang akan anda buat, misalnya database, seperti yang terlihat pada gambar 8.

Gambar 8. Pemberian nama model


4. Setelah itu akan keluar struktur hierarkinya seperti terlihat pada gambar 9.

Gambar 9. Struktur Hierarki

5. Tentukan model AHP dengan perintah Model Technique – Alternatives AHP.

6. Lakukan penilaian terhadap kriteria dengan perintah :

a) Klik kotak Pemilihan Database.

b) Lakukan perintah : Block Rate Subcriteria.

c) Penilaian kriteria dengan jalan :

- Lakukan perintah : Methods / Full Pairwise

- Isikan nilai seperti yang terlihat pada gambar 10

Gambar 10. Hasil Pengisian Nilai Kriteria

d) Lakukan penilaian perbandingan antara tiga alternatif untuk setiap kriteria yang

tersedia.

7. Untuk melihat hasil akhir, gunakan perintah Result Decision Scores. Grafik hasilnya

terlihat pada gambar 11

Gambar 11. Grafik Hasil Pengolahan Akhir AHP


8. Untuk melihat hasil akhir dalam bentuk tabel gunakan perintah View Result Data.

Hasilnya seperti pada gambar 12

Gambar 12. Tampilan Data

Hasil pengujian akhir terhadap tiga DBMS yang diuji (Oracle, mySQL, SQL Server)adalah

dalam hal Kecepatan Akses Data maupun harga Oracle mempunyai nilai yang lebih tinggi

dibandingkan dengan database mySQL maupun SQL Server. Namun dalam hal kapasitas

Oracle masih lebih rendah 0,219 dibandingkan MySQL. Hasil akhir atas tiga DBMS

diperoleh peringkat pertama Oracle (0,519) kemudian MySQL (0,343) dan SQL Server

(0.138).

SIMPULAN

Metode AHP merupakan metode yang dapat digunakan untuk proses pemilihan database,

karena metode ini dapat memberikan solusi pemilihan database selama langkah-langkah

penggunaannya terpenuhi. Langkah paling penting adalah pembobotan atau pembuatan matriks

berpasangan, karena ketepatan pembuatan matriks berpasangan ini mempengaruhi langkah-langkah

penghitungan AHP selanjutnya.Dari hasil uji coba dan pengujian yang telah dilakukan dengan

menggunakan software criterium decisionplusmaka dapat diambil kesimpulan :

- Dalam hal kecepatan akses data Oracle mempunyai nilai lebih tinggi (0,594) dibandingkan

MySQL (0,249) maupun SQL Server (0,157), namun dalam hal Kapasitas MySQL (0,595)

mempunyai nilai lebih tinggi dibandingkan Oracle (0,276) maupun SQL Server (0,128). Secara

keseluruhan database Oracle (0,699) mempunyai nilai yang lebih baik dibandingkan dengan

MySQL (0,170) maupun SQL Server (0,131),namun sayangnya harga Oracle mempunyai nilai

yang jauh lebih tinggi nilainya dibandingkan database lain 0,662.

- Inputan matrik berpasangan yang diberikan oleh user akan sangat berpengaruhterhadap

tingkat dominasi/prioritas dari kriteria yang satu terhadap kriteria yang lain.

- Untuk mendapatkan hasil pengambilan keputusan yang sesuai, seorang yang betul memahami

permasalahan sangat ditekankan, terutama dalam menentukan nilai inputan.

- Semakin tinggi tingkat ketelitian perhitungan yang telah dilakukan, akan semakin baik,

hal- ini dapat dilihat dari hasil perbandingan antara perhitungan manual dengan software

criterium decisionplus.

- Sistem aplikasi pengambilan keputusan ini dapat membantu dalam memutuskan permasalah-

an, yaitu bisa menentukan perangkat lunak database yang akan digunakan dengan kriteria

tertentu.

DAFTAR RUJUKAN

Amborowati, Armadyah. 2007. Sistem Pendukung Keputusan Pemilihan Karyawan Berprestasi

Berdasarkan Kinerja (Studi Kasus Pada STMIK AMIKOM Yogyakarta). Seminar Nasional

Aplikasi Teknologi Informasi 2007 (SNATI 2007).

Kabir, Golam, M. Ahsan Akhtar Hasin. 2011. Evaluation of customer oriented success factors in

mobile commerce using fuzzy AHP. Journal of Industrial Engineering and

Management,Vol. 4 No. 2 pp.361-386.


Marimin. 2004. Teknik dan Aplikasi Pengambilan Keputusan Kriteria Majemuk. PT Grasindo,

Jakarta.

Marimin, Maghfiroh, Nurul. 2010. Aplikasi Teknik Pengambilan Keputusan dalam Manajemen

Rantai Pasok. Penerbit IPB Press, Bogor.

Saaty, T.L. 2001. Decision Making For Leaders. Forth edition, University of Pittsburgh, RWS

Publication.

Saaty, T.L. 1988. Multicriteria Decision Making: The Analytic Hierarchy Process. University of

Pittsburgh, RWS Publication, Pittsburgh

Suryadi, Kadarsah, Ali Ramdhani . 2002. Sistem Pendukung Keputusan : Suatu Wacana Struktural

Idealisasi dan Implementasi Konsep Pengambilan Keputusan. Bandung : PT.Remaja

Rosdakarya.

Tintri, Dharma E.Sudarsono. 2004. Penerapan Analytical Hierarchy Process untuk Pemilihan

Metode Audit PDE oleh audit internal. Jakarta.

Triantaphyllou, Evangelos. 1995. Using The Analytic Hierarchy Process For Decision Making In

Engineering Applications: Some Challenges. Published in: International Journal of

Industrial Engineering: Applications and Practice, Vol. 2, No. 1, pp. 35-44.

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN DATABASE MENGGUNAKAN ...riset.potensi-utama.ac.id/upload/penelitian/penerbitan_jurnal/8689... · adalah dengan metode Analytical Hierarchy Process

Documents