Chapter II
Chapter II
LANDASAN TEORI
2.1
2.2
Analytic hierarchy process (AHP) dikembangkan oleh Thomas L. Saaty pada awal
tahun 1970. Metode AHP merupakan salah satu metode perbandingan berpasangan
yang paling populer digunakan untuk pengambilan keputusan dalam permasalahan
Multi-Criteria Decision Making (MCDM). Pendekatan AHP didesain untuk
membantu pengambil keputusan untuk menggabungkan faktor kualitatif dan faktor
kuantitatif dari suatu permasalahan yang kompleks. Penggunaan AHP dalam berbagai
bidang meningkat cukup signifikan, hal ini dikarenakan AHP dapat menghasilkan
solusi dari berbagai faktor yang saling bertentangan. AHP diaplikasikan dalam bidang
agrikultur, sosiologi, industri dan lain sebagainya.
Prinsip kerja AHP adalah membentuk suatu struktur permasalahan. Dalam
menyelesaikan permasalahan MCDM, AHP menyusun struktur hirarki masalah mulai
dari yang paling atas yang disebut goal, kemudian dibawahnya disebut variabel
kriteria dan selanjutnya diikuti oleh variabel alternatif. Pengambil keputusan,
selanjutnya memberikan penilaian numerik berdasarkan pertimbangan subjektifitas
terhadap variabel-variabel yang ada untuk menentukan tingkatan prioritas masingmasing variabel tersebut.
Tingkat kedua
: Kriteria-kriteria
Tingkat ketiga
: Alternatif-alternatif
Goal
Kriteria 1
Kriteria 2
Alternatif 1
Alternatif 2
Kriteria i
Alternatif j
2. Comparative Judgment
Prinsip ini berarti membuat penilaian tentang kepentingan relatif dua elemen
pada suatu tingkat tertentu dalam kaitannya dengan tingkat yang diatasnya.
Penilaian ini merupakan inti dari metode AHP, karena ia akan berpengaruh
terhadap prioritas elemen-elemen. Hasil dari penilaian ini disajikan dalam
bentuk matriks yang disebut matriks pairwise comparison yaitu matriks
perbandingan berpasangan yang memuat tingkat preferensi pengambil
keputusan terhadap alternatif berdasarkan kriteria-riteria yang ada. Skala yang
digunakan untuk menyatakan tingkat preferensi adalah skala Saaty, di mana
skala 1 menunjukkan tingkat sama pentingnya, skala 3 menunjukkan
moderat pentingnya, skala 5 menunjukkan kuat pentingnya, skala 7
menunjukkan sangat kuat pentingnya dan skala 9 yang menunjukkan tingkat
ekstrim pentingnya.
Definisi
2,4,6,8
3. Synthesis of Priority
Setelah matriks pairwise comparison diperoleh, kemudian dicari eigen
vektornya untuk mendapatkan local priority. Karena matriks pairwise
comparison terdapat pada setiap tingkat, maka untuk mendapatkan global
priority dapat dilakukan dengan sintesa diantara local priority.
4. Logical Consistency
Konsistensi memiliki dua makna. Pertama adalah bahwa obyek-obyek yang
serupa dapat dikelompokkan sesuai dengan keseragaman dan relevansinya.
Kedua adalah tingkat hubungan antara obyek-obyek yang didasarkan pada
kriteria tertentu.
2.2.2
Tahapan-tahapan AHP
yang menggambarkan
4. Menormalkan data yaitu dengan membagi nilai dari setiap elemen di dalam
matriks yang berpasangan dengan nilai total dari setiap kolom.
5. Menghitung nilai eigen vector dan menguji konsistensinya, jika tidak konsisten
pengambil data (preferensi) perlu diulangi. Nilai eigen vector yang dimaksud
adalah nilai eigen vector maximum yang diperoleh dengan menggunakan
matlab maupun manual.
2.2.3
= 12
1
1
12
1
1
2
; di mana , = 1,2,3, ,
(2.1)
= =
sehingga
= 1; di mana , = 1,2,3, ,
(2.2)
konsekuensinya :
=1
=1 .
= ; = 1, 2, 3, ,
(2.3)
= ; = 1, 2, 3, ,
(2.4)
(2.5)
Persamaan ini menunjukkan bahwa merupakan eigen vector dari matriks dengan
eigen value .
Jika tidak didasarkan pada ukuran pasti (seperti 1 , 2 , 3 , , ), tetapi
pada penilaian subjektif, maka akan menyimpang dari rasio
yang
1 , 2 , 3 , ,
adalah angka-angka
yang memenuhi
=1
(2.6)
karena itu jika = di penuhi, maka semua nilai eigen value sama dengan nol
kecuali eigen value yang bernilai sebesar . Maka jelas dalam kasus konsistensi, n
merupakan eigen value terbesar.
Kedua, jika salah satu dari matriks reciprocal berubah sangat kecil, maka
eigen value juga berubah sangat kecil. Kombinasi keduanya menjelaskan bahwa jika
diagonal matriks terdiri dari = 1 dan jika konsisten, maka perubahan kecil
pada menahan eigen value terbesar dekat ke dan eigen value sisanya dekat
ke nol. Karena itu persoalannya adalah jika merupakan pairwise comparison matrix,
maka untuk memperoleh vektor prioritas harus dicari yang memenuhi :
=
(2.7)
(2.8)
(2.9)
RI
0.58
0.9
2.3
10
11
12
13
Himpunan Fuzzy
Logika fuzzy pertama kali diperkenalkan oleh Lotfi A. Zadeh, seorang ilmuwan
Amerika Serikat dari universitas California di Berkeley, melalui tulisannya pada tahun
1965 yang berjudul Fuzzy Sets. Logika fuzzy umumnya diterapkan pada masalahmasalah yang mengandung unsur ketidakpastian, ketidakjelasan, ketidaktepatan, dan
kebenaran parsial. Tettamanzi (2001) dalam Kusumadewi et al (2006), menyatakan
bahwa teori fuzzy merupakan kerangka matematis yang digunakan untuk
merepresentasikan ketidakpastian, ketidakjelasan, ketidaktepatan, dan kebenaran
parsial tersebut.
Pada dasarnya, teori himpunan fuzzy merupakan perluasan dari teori himpunan
klasik (crisp). Dalam teori himpunan klasik (crisp), keberadaan suatu elemen pada
suatu himpunan, , hanya akan memiliki dua kemungkinan nilai keanggotaan yaitu 0
dan 1. Nilai 0 jika dan 1 jika .
Misalkan usia "muda" didefinisikan dengan < 35 tahun. Berdasarkan teori
himpunan klasik (crisp), perubahan kecil untuk usia 35 tahun 1 bulan berakibat usia
tersebut tidak termasuk dalam kategori "muda". Dari kondisi tersebut dapat dilihat
bahwa penggunaan himpunan klasik (crisp) dalam merepresentasikan variabel usia
adalah kurang bijaksana, karena adanya perubahan kecil pada suatu nilai dapat
menyebabkan perbedaan kategori yang sangat signifikan.
Sebagai perluasan dari teori himpunan klasik (crisp), teori himpunan fuzzy
memperluas jangkauan nilai keanggotaannya. Nilai keanggotaan pada himpunan fuzzy
merupakan bilangan real yang berada pada interval [0,1].
2.3.1
Fungsi Keanggotaan
di mana adalah derajat keanggotaan dari , yang merupakan suatu pemetaan dari
himpunan semesta ke interval [0,1].
1 , 2 , 3
di mana
1 , 2 , 3 masing-masing adalah titik kiri, titik tengah dan titik kanan. Fungsi
keanggotaan dari TFN adalah sebagai berikut :
1
2 1
3
3 2
; 1 2
; 2 3
;
(2.10)
2.3.3
Level (-Cut)
Level atau -Cut merupakan nilai ambang batas titik-titik data (domain) yang
didasarkan pada nilai keanggotaan untuk tiap-tiap titik-titik data (domain). Bilangan
fuzzy , dengan -cut yang ditentukan, merupakan himpunan semua domain dalam
yang derajat keanggotaannya lebih besar atau sama dengan . Secara matematis dapat
dinotasikan sebagai berikut:
= , , [0,1]
Sementara itu, apabila dinyatakan interval konfidensi (interval of confidence)
pada level , triangular fuzzy number (TFN) dapat dikarakteristikkan sebagai berikut
(Cheng et al, 1993):
0,1
= 1 , 3
= [ 2 1 + 1 , 3 2 + 3 ]
2.3.4
(2.11)
= 1 , 3 ,
= 1 , 3 ,
0,1
= 1 + 1 , 3 + 3 ,
(2.12)
= 1 1 , 3 3 ,
(2.13)
= 1 1 , 3 3 ,
(2.14)
(2.15)
2.3.5
Index of Optimism
+
, [0,1]
= 1
(2.16)
Fuzzy.
Fuzzy-AHP
Membership Function
Definisi
(1, 1 ,3)
Sama penting
(1, 3 ,5)
(3, 5, 7)
Lebih penting
(5, 7, 9)
Sangat penting
(7, 9, 9)
= 21
12
22
1
2
3. Tentukan Fuzzy Subjective Weight Vector untuk tiap kolom dari fuzzy
judgment matrix
1 1
2 12
2 22
2 1
1
2
11
, 11
1 , 1
1
, 1
di mana
=
,
=
, 0 < 1 ,
= 1
+
, [0,1]
(2.17)
sehingga diperoleh:
11
= 21
12
22
11
12
11
12
12
(2.18)
di mana
=
=1
=1
1 log 2 1
2 =
=1
2 log 2 2
3 =
=1
3 log 2 2
=1
log 2
(2.19)
=1
, = 1,2,3, ,
(2.20)
2.5 Delivery
Restoran fast food menyediakan produk dalam bentuk makanan dan minuman,
pelayanan dalam hal ini adalah menyampaikannya kepada pelanggan. Tantangan
operasional yang berbeda akan muncul jika restoran juga menyediakan layanan
delivery. Layanan tertentu dikerahkan karena pelanggan sudah tidak lagi berada pada
lokasi yang sama dengan area produksi. Tantangan bisnis yang rumit di mana
layananan tersebut harus disampaikan dalam suatu lingkup geografis (Macintyre et al,
2011).
Perusahaan-perusahaan tengah bersaing ketat dalam hal waktu tanggap,
delivery atau waktu pengiriman. Diantara perusahaan-perusahaan tersebut banyak
yang menyatakan komitmen waktu delivery maksimalnya dengan tujuan memikat
konsumen, misalnya restoran pizza yang meniadakan ongkos kirimnya jika pizza
pesanan tidak tiba tepat waktu. Dalam menentukan komitmen waktu delivery tersebut,
suatu perusahaan harus mempertimbangkan bukan hanya bagaimana reaksi konsumen
atas komitmen tersebut tetapi juga kemampuan untuk menjalankan layanan tersebut.
Komitment delivery ketat waktu mempunyai keuntungan dan juga harga. Komitmen
ini dapat menarik perhatian konsumen yang tidak suka menunggu, namun kondisi
sistem yang padat dapat memperburuk keadaan. Untuk itu pemilihan komitmen waktu
delivery membutuhkan pertimbangan yang hati-hati, baik dari segi marketing
(konsumen) dan operasional. (Ho, 2003).
2.6
Sebagai bagian dari operasional, masalah pemilihan rute dan penugasan dalam
delivery membutuhkan pertimbangan yang sedemikian rupa untuk dapat memenuhi
komitmen delivery ketat waktu. Ho (2003) dalam penelitiannya menyatakan bahwa
kualitas delivery akan meningkat seiring berkurangnya kemacetan. Sementara itu,
untuk menentukan rute optimum menuju ke suatu tempat ada beberapa hal yang perlu
disesuaikan dengan preferensi pengendara seperti kondisi jalan dan lalu-lintas. (Pang
et al, 1995). Disebutkan terdapat banyak kriteria yang dapat menjadi pertimbangan
dalam menentukan rute optimal, seperti: jarak perjalanan, menghindari kemacetan,
menyukai atau menghindari jalan raya, jumlah belokan, jenis jalan, dan lain
sebagainya. (Pang et al, 2007 ).
Dalam menyelesaikan permasalahan ini, digunakan metode AHP dengan bilangan
fuzzy (Fuzzy-AHP) yang merupakan metode efektif yang dapat diterapkan dalam
pemilihan rute. (Deng et al, 2010). Fuzzy-AHP digunakan untuk merepresentasikan
preferensi pengambil keputusan dan me-ranking seluruh rute yang tersedia sehingga
diperoleh rute yang optimum. Dengan diperolehnya rute optimum, diharapkan
komitmen delivery tepat waktu dapat tercapai. Selain itu delivery yang didasarkan
pada rute optimum juga diharapkan menghasilkan waktu delivery yang minimum,
yang lebih singkat dari yang diekspektasikan oleh pelanggan dengan demikian
kepuasan konsumen tetap terjaga.