1. Pendahuluan
Sebelum memulai perkuliahan, mahasiswi diwajibkan untuk memilih
matakuliah yang akan ditempuh dalam satu semester kedepan. Tidak jarang
mahasiswi sering mendapati kebingunan dalam penentuan matakuliah apa yang akan
diambil pada semester yang akan dijalaninya. Proses memilih matakuliah dan jadwal
matakuliah membuat mahasiswi terkadang bingung dan berpikir untuk mengambil
matakuliah mana yang harus diambil terlebih dahulu. Kesalahan dalam menentukan
matakuliah yang diambil akan menghambat waktu kelulusan mahasiswi, hal ini
dikarenakan matakuliah yang seharusnya diambil semester sekarang tetapi tidak
diambil, dan merupakan matakuliah syarat bagi matakuliah lain. Hal ini akan
berdampak buruk jika semester berikutnya matakuliah tersebut tidak ditawarkan dan
tidak dapat mengambil matakuliah berikutnya karena matakuliah prerequest belum
ditempuh, maka harus menunggu semester berikutnya lagi untuk dapat mengambil
matakuliah tersebut. Oleh karena itu, lewat penelitian ini diharapkan masalah yang
dihadapi mahasiswi dalam penentuan memprioritaskan pemilihan mata kuliah
Statistika atau Kalkulus dapat teratasi.
Salah satu cara untuk mengetahui faktor prioritas dalam memilih mata kuliah
statistika atau Kalkulus adalah Analisis Hierarchy Proses (AHP) menurut Marimin
(2004), AHP memiliki banyak keunggulan dalam menjelaskan proses pengambilan
keputusan, karena dapat digambarkan secara grafis sehingga mudah dipahami oleh
semua pihak yang terlibat dalam pengambilan keputusan.
Dalam AHP pengambilan keputusan dengan banyak kriteria bersifat subjektif.
Selain itu para pengambil keputusan lebih yakin menentukan pilihannya terhadap
tingkat kepentingan antar kriteria dengan memakai penilaian dalam interval
dibandingkan penilaian dengan angka eksak. Untuk mengatasi permasalah tersebut
maka dikembangkan teknik memodifikasi dan teknik himpunan fuzzy dalam AHP
yang disebut Fuzzy AHP. ( Chang, 1996)
2.
Tinjauan Pustaka
Definisi
Keterangan
Kedua
elemen
sama Dua
elemen
mempunyai
pentingnya
pengaruh sama besar
Elemen satu yang sedikit
Pengalaman
dan
penilaian
lebih penting dari pada
sedikit menyokong satu elemen
elemen yang lainnya
2
Pengalaman
dan
penilaian
Elemen satu yang lebih
dengan kuat menyokong satu
5
penting dari pada elemen
elemen
dibanding
elemen
yang lainnya
lainnya
Satu elemen yang kuat disokong
Satu elemen jelas lebih
7
dan dominan terlihat dalam
penting dari elemen lainnya
kenyataan
Bukti yang mendukung elemen
Satu elemen mutlak lebih yang satu terhadap elemen lain
9
penting dari elemen lainnya
memiliki tingkat penegasan
tertinggi yang menguatkan
Nilai ini diberikan bila ada dua
2,4,6,8
komponen diantara dua pilihan
Jika untuk aktifitas ke I
mendapat suatu angka bila
Kebalikan ij=1/ji
dibandingkan dengan aktivitas
ke j maka j mempunyai nilai
kebalikan dibandingkan dengan i
2.5 Konsistensi Matriks Perbandingan Berpasangan
Apabila B adalah matriks perbandingan berpasangan yang konsisten maka
semua nilai eigen bernilai nol kecuali yang bernilai sama dengan n. Tetapi bila B
adalah matriks tak konsisten, variasi kecil atas ij akan membuat nilai eigen terbesar
selalu lebih besar atau sama dengan n yaitu n. Perbedaan antara dengan n dapat
digunakan untuk meneliti seberapa besar ketidakkonsistenan yang ada dalam B,
dimana rata-ratanya dinyatakan sebagai berikut (Saaty, 2002) :
Ratio Indeks (RI) yang umum digunakan untuk setiap ordo matriks adalah sebagai
berikut:
Urutan
Matrkis
RI
0,00
0,00
0,58
0,90
1,12
1,24
1,32
1,41
10
1,45 1,49
3
Invers Skala
Fuzzy
(1,1,1)
(2/3, 1, 2)
(1/2, 2/3, 1)
5 = (3/2, 2, 5/2)
7 = (2, 5/2, 3)
9 = (5/2, 3, 7/2)
Definisi VariabelLinguistik
Perbandingan dua kriteria yang sama
Dua elemen mempunyai kepentingan yang
sama
Satu elemen sedikit lebih penting dari yang
lain
Satu elemen lebih penting dari yang lain
Satu elemen sangat lebih penting dari yang
yang lain
Satu elemen mutlak lebih penting dari yang
lain
= 1, 2, ..., n, dimana (
Untuk memperoleh
Dimana :
M = bilangan triangular fuzzy number
m = jumlah kriteria
.j = kolom
i = baris
g = paramater (l, m, u)
sedangkan untuk memperoleh nilai
penjumlahan
untuk
keseluruhan
dilakukan operasi
bilangan
triangular
fuzzy
dapat
Dengan i = 1, 2, ...,k.
Jika diasumsikan bahwa d
= min V
untuk k = 1, 2, ..., n; k
W =
Dimana
diperbolehkan menjadi analog bobot dan terdiri dari bilangan yang nonfuzzy
3. Metode Penelitian
6
Menghitung CI
D
1.00
0.20
0.14
0.14
H
5.00
1.00
1.00
3.00
J
7.00
1.00
1.00
7.00
P
3.00
0.33
0.14
1.00
Kriteria
D
H
J
P
D
1.00
0.20
0.14
0.14
H
5.00
1.00
1.00
3.00
J
7.00
1.00
1.00
7.00
P
3.00
0.33
0.14
1.00
J
0.437
0.062
0.062
0.437
1.000
P
0.671
0.073
0.031
0.223
1.000
D
0.675
0.135
0.094
0.094
1.000
H
0.500
0.100
0.100
0.300
1.000
T.Baris
2.283
0.370
0.287
1.054
4.000
a. Rata-rata dari entri-entri matriks yang terdapat dalam satu baris dihitung dan
dinyatakan hasilnya sebagai vektor prioritas.
Kriteria
D
H
J
P
D
0.675
0.135
0.094
0.094
H
0.500
0.100
0.100
0.300
J
0.437
0.062
0.062
0.437
P
0.671
0.073
0.031
0.223
T.Baris
2.283
0.370
0.287
1.054
V.Prioritas
0.570
0.092
0.071
0.263
5.00
1.00
1.00
3.00
7.00
1.00
1.00
7.00
3.00
0.33
0.14
1.00
0.570
0.092 =
0.071
0.263
2.3160
0.3276
0.2796
1.1158
b. Entri dari vektor jumlah bobot dibagi dengan entri yang berpasangan dari
vektor prioritas dan dinyatakan hasilnya sebagai bobot prioritas.
=
=
2.3160/0.570
0.3276/0.092
1.1158/0.263
4.0631
3.5608
3.9380
0.2796/0.071
4.2425
c. Menghitung rata rata dari nilai pada langkah b di atas dan hasilnya
dinotasikan dengan
D
111
0.57 0.8 1.33
0.5 0.67 1
0.67 1 2
H
0.75 1.25 1.75
111
0.5 1 1.49
0.67 1 2
b) Menghitung nilai
J
1, 1.5 2
0.67 1 2
111
0.67 1 2
P
0.5 1 1.5
0.5 1 1.5
0.5 1 1.5
111
dengan operasi
m
4.750
3.800
3.670
4.000
c) Menghitung nilai
u
6.250
5.830
4.990
7.000
dengan operasi penjumlahan untuk
l
11.680
m
16.220
u
24.070
10
l
0.1350
0.1213
0.1041
0.1250
m
0.2928
0.2342
0.2262
0.2466
u
0.5351
0.4991
0.4272
0.5993
V(S3S2) =
V(S3S4) =1
V(S4S1 )=
V(S4S2) =
V(S4S3) =
d(A1) = Min V(S1S2S3S4) = Min =1
d(A2) =Min V (S2S1S3S4) = Min = 0.8613
d (A3) Min V(S3S1S2S4) Min = 0.4160
11
d(A1)
1
d(A2)
0.8613
d(A3)
0.4160
d(A4)
0.9095
Total
3.1868
(A1)
0.3137
(A2)
0.2702
(A3)
0.1305
(A4)
0.2853
Kesimpulan
Dalam proses pengambilan keputusan yang melibatkan banyak kriteria,
metode Fuzzy AHP dapat digunakan untuk menentukan bobot prioritas pada masingmasing kriteria yang menjadi dasar untuk analisa keputusan yang tepat. Kriteria
Utama Terdiri dari empat sub criteria, yaitu : Dosen (D), Hari (H), Jam (J), dan
Pengaruh Teman (P), dengan demikian matriks yang terbentuk berordo 4x4. Dari uji
konsistensi dapat dilihat bahwa matriks tersebut konsisten. Bobot prioritas pada
criteria utama yaitu Dosen (D) Pengaruh Teman (P) Hari (H) dan Jam (J) berturut turut 0.3137, 0.2853, 0.2702 dan 0.1305. Berdasarkan hasil analisis bobot prioritas
pada kriteria utama dengan Fuzzy AHP, kriteria Dosen (K) mempunyai pengaruh
paling besar bagi Mahasiswi dalam Pengambilan Keputusan memilih Matakuliah
Statistika atau Kalkulus Pada KRS nya sebesar 31.37%. Kriteria kedua adalah
pengaruh teman (P) sebesar 28.53%. Kriteria ketiga adalah Hari (H) sebesar 27.02%
dan yang terakhir adalah Jam Masuk (J) sebesar 13.05%.
12
Daftar Pustaka
13