Penerapan Fuzzy Analytical Hierarchy Process untuk Pemilihan Proyek Jasa Konsultansi

(Studi Kasus: PT Waditra Reka Cipta)

M. Hendry Nadial
Mahasiswa Program Studi Teknik Informatika, Universitas Widyatama
Jl. Cikutra no204 A Bandung
E-mail : hendry.nadial@gmail.com

Abstract
Improvement of the marketing performance becomes one of the factors needed to advance the companys business in the
middle of rivalry with other business competitors. One of the most frequent problems happened is improper marketing in the
selection of potentially lucrative software development project. This has an impact on the inappropriate utilization of Human
Resources as well as unattainable project objectives.
This problem can be solved by DSS approach (Decision Support System) or often called as Sistem Pendukung Keputusan.
DSS that have been developed will weight the projects to produce the most potential project recommendations to follow alongside
the support criteria by involving the marketing, project team and project management sections. DSS that will be developed using
FAHP (Fuzzy Analytical Hierarchy Process) method which will covers the weaknesses of AHP, which is the problem with criteria
that have more subjective traits.
Keywords : Software Development Project, DSS, FAHP

Abstrak
Perbaikan kinerja marketing menjadi salah satu faktor yang dibutuhkan untuk memajukan bisnis perusahaan ditengah
persaingan dengan competitor usaha lainnya. Salah satu masalah yang sering terjadi adalah marketing tidak cermat dalam
pemilihan software development project yang berpotensi untuk diambil. Hal ini berimbas pada pemanfaatan resource SDM yang
tidak tepat serta tujuan proyek yang tidak tercapai.
Masalah ini dapat diselesaikan dengan pendekatan DSS (Decision Support System) atau sering disebut dengan sistem
pendukung keputusan. DSS yang dikembangkan akan melakukan pembobotan dari proyek proyek guna menghasilkan
rekomendasi proyek yang paling berpotensi untuk diikuti sesuai kriteria pendukung dengan melibatkan bagian marketing, tim
proyek serta manajemen perusahaan. DSS yang akan dikembangkan menggunakan metode FAHP (Fuzzy Analytical Hierarchy
Process) dimana metode ini menutup kelemahan yang terdapat pada AHP, yaitu permasalahan terhadap kriteria yang memiliki
sifat subjektif lebih banyak.
Kata kunci : Software Development Project, DSS, FAHP

1. PENDAHULUAN
Banyaknya participant perusahaan atau vendor penyedia layanan jasa konsultansi lainnya, menyebabkan peluang
mendapatkan proyek pekerjaan menjadi semakin kecil dikarenakan tingkat persaingan yang cukup tinggi dengan competitor
lainnya yang memiliki kualifikasi yang mungkin lebih baik. Keterbatasan jumlah serta manajemen pengelolaan SDM (Sumber
Daya Manusia) yang kurang baik, seringkali menjadi permasalahan bagi tim proyek pada saat proses implementasi dilakukan.
Beberapa SDM harus ditarik pada proyek lainnya padahal proyek sebelumnya masih tengah berjalan, sehingga SDM memiliki
lots penugasan yang berlebih dikarenakan proses persiapan yang tidak maksimal sejak awal pemilihan proyek oleh marketing
perusahaan.
Permasalahan ini tentunya menjadi pekerjaan rumah bagi marketing perusahaan untuk memperbaiki sistem manajemen
yang ada saat ini. Salah satu poin diantaranya adalah membuat scoring atau penilaian terhadap proyek-proyek yang berpotensi
untuk diikuti oleh bagian marketing perusahaan. Bentuk konkret dari skema penilaian atau scoring dari proyek yang ingin diikuti,
berupa sistem rekomendasi untuk pengambilan keputusan, apakah ikut atau tidak dalam lelang proyek dengan memperhitungkan
banyak kriteria yang menjadi bahan pertimbangan seperti: ketersedian SDM, biaya, nilai proyek, portofolio, faktor kepentingan,
peluang, kompleksitas dan lainnya. Hal ini penting karena ada banyak proyek pekerjaan yang berpotensi untuk diikuti sehingga
marketing harus mengefisienkan waktu pengambilan keputusan agar staf dapat bekerja secara maksimal dan inisialisasi dini
proyek dapat dilakukan dengan matang.
Permasalahan di atas dapat diperbaiki dengan membangun sebuah Sistem Pendukung Keputusan (SPK) dengan
menerapkan metode Analytical Hierarchy Process (AHP). Analytical Hierarchy Process (AHP) merupakan salah satu metode
pengambilan keputusan yang secara ekstensif sering digunakan pada keputusan dengan banyak kriteria (multi kriteria). Salah satu
keuntungan utama dari metode ini adalah relatif mudah dalam menangani keputusan dengan beberapa kriteria. AHP melibatkan
prinsip-prinsip dekomposisi, perbandingan berpasangan, dan generasi prioritas vektor serta sintesis. Meskipun begitu, AHP masih
belum bisa mencerminkan gaya pemikiran manusia yang banyak mengandung pengaruh subjektifitas. Oleh karena itu, fuzzy-
AHP, sebuah perpanjangan fuzzy dari AHP, dikembangkan untuk memecahkan masalah diatas. Dalam prosedur fuzzy-AHP,
pernyataan perbandingan pada AHP dijadikan sebagai himpunan fuzzy dalam perbandingan FAHP. Pada kasus pemilihan proyek
ini terdapat sifat subjektif yang cukup mempengaruhi penilaian. Oleh karena itu, metode yang dapat diterapkan dalam
penyelesaian dari masalah ini adalah Fuzzy Analytical Hierarchy Process (FAHP). Dimana masing-masing kriteria dalam hal ini

1|6
faktor- faktor penilaian dan alternatif dibandingkan satu dengan yang lainnya sehingga memberikan keluaran nilai intensitas
prioritas yang menghasilkan suatu sistem yang memberikan penilaian setiap proyek.

2. METODE PENELITIAN
Metodologi yang digunakan dalam penelitian dimulai dengan perumusan masalah, pengumpulan data, analisis sistem,
perancangan sistem baru, implementasi & pengujian dan terakhir kesimpulan saran. Pada dasarnya untuk membangun sebuah
sistem pendukung keputusan secara umum ada beberapa tahapan yang harus dilakukan yang dibagi menjadi tiga tahapan yaitu
input, proses dan output. Pada tahapan inputan yang dibutuhkan adalah data-data kriteria penilaian yang dalam hal ini diperoleh
melalui pengumpulan data yaitu wawancara maupun obervasi. Selanjutnya inputan diproses yang meliputi proses analisa sistem,
design sistem serta penghitungan atau proses implementasi, hingga menghasilkan output berupa perangkingan alternatif proyek
berpotensi yang diurutkan mulai dari bobot tertinggi hingga terendah.
2.1 Pengumpulan Data
Hasil wawancara yang dilakukan dengan ibu Siti Zulaiha Rochmah selaku Senior Marketing Staff memberikan keterangan
bahwa proyek berpotensi dipilih dengan kriteria yang dapat digunakan sebagai bahan pertimbangan keputusan.
Tabel 2. 1 Kriteria Proyek
Kriteria Nilai Kriteria Nilai
C1. Nilai Proyek (Pagu) 8 C6. Ketersedian SDM 6
C2. Potensi Peluang 4 C7. Faktor Kepentingan 6
C3. Portofolio Proyek Pekerjaan 6 C8. Biaya Proyek 5
C4. Analisa Kompetitor 4 C9. Persyaratan Lelang 2
C5. Kompleksitas Proyek 4
Pada masing-masing kriteria memiliki nilai intensitas kepentingan. Selanjutnya nilai intensitas kepentingan akan
digunakan sebagai dasar dalam menilai unsur kepentingan pada setiap kriteria.
2.2 Analisis Sistem
Pada analisa sistem baru, akan dibangun suatu Sistem Pendukung Keputusan (SPK) untuk pemilihan proyek berpotensi
dengan menerapkan metode FAHP. Sistem Akan menerima input kriteria-kriteria dan nilai proyek (alternatif). Kemudian akan
diproses dengan menerapkan perhitungan FAHP dan menghasilkan output (data keluaran) perangkingan alternatif berupa bobot
penilaian alternative proyek beserta hasil keputusannya berupa daftar ranking proyek. Analisa yang dilakukan adalah analisa
subsistem model, analisa subsistem basis data, dan analisa subsistem dialog. Selain solving problem untuk pemilihan proyek juga
sistem yang akan dibangun dirancang untuk improvement proses berjalan di perusahaan saat ini.

2.2.1 Analisis Subsistem Model

Pada analisis subsistem model dilakukan untuk sistem berjalan (sistem) dan sistem baru yang akan dikembangkan.
Pada analisis sistem berjalan (sistem lama) dapat dilihat tugas
untuk setiap role yang terlibat dalam proyek di marketing. Proses
dari mencari proyek sampai dengan keputusan memerlukan waktu
yang panjang dan berjalan tidak ideal karena kepala marketing
mengambil kontrol penuh dalam pembuatan keputusan. Hal ini
menjadi masalah ketika kepala marketing tidak dapat bekerja
secara maksimal dikarenakan faktor-faktor yang tidak dapat
dihindarkan. Selain itu juga kualitas dari keputusan yang diambil
dianggap kurang akurat dikarenakan proses decision making
dilakukan tanpa menggunakan metode perhitungan dan standar
yang valid. Kepala marketing dalam membuat keputusan
melakukan analisa proyek dengan memperhitungkan faktor
peluang dan kesempatan berdasarkan pengalaman dan kriteria
proyek
Gambar 2. 1 Usecase Sistem Berjalan

Selain itu juga proses inisialisasi yang dilakukan oleh marketing tidak real untuk penugasan staf yang dilampirkan dalam
dokumen administrasi. Penugasan staf tidak terakomodir dan dimonitoring dengan baik dikarenakan tidak adanya data penugasan
yang dapat dipantau secara realtime. Pembentukan tim proyek untuk proses implementasi dilakukan tanpa proses persiapan yang
matang sehingga beberapa staf harus ditarik dalam beberapa proyek karena alasan keterbatasan SDM. Hal ini menyebabkan
kualitas dan hasil pekerjaan yang tidak tercapai hingga yang terburuk penalty bagi perusahaan.

2|6
 Pada sistem baru permasalahan pada sistem berjalan
(sistem lama) dilakukan improvement untuk solving
problem pada bagian marketing perusahaan. Sistem
baru dapat mem breakdown pekerjaan kepala
marketing untuk menugaskan senior marketing sebagai
PIC proses. Monitoring dan controlling dilakukan
untuk timeline waktu proses dan penugasan staf (tim
proyek), sehingga diharapkan tidak ada staf yang
memiliki lots penugasan yang berlebih dalam proyek.
Proses decision making menggunakan metode
perhitungan FAHP sehingga hasil lebih akurat dan
objective sesuai standar keputusan untuk proyek yang
ingin diikuti.
Gambar 2. 2 Usecase Sistem Baru

2.2.2 Analisis Metode FAHP

Berikut adalah langkah penyelesaian metode untuk studi kasus pemilihan proyek. Menurut Chang (1996) dalam sebuah
jurnal (international journal of science direct), adapun langkah penyelesaian FAHP adalah : [11]
1. Membuat struktur hirarki masalah yang akan diselesaikan dan menentukan perbandingan matriks berpasangan
antar kriteria dengan skala TFN (tabel 1)
2. Menentukan nilai sintesis fuzzy (Si) prioritas dengan rumus, Si
3. Jika hasil yang diperoleh pada setiap matrik fuzzy, M2 = (l2, m2, u2) M1 = (l1, m1, u1) dapat didefinisikan
sebagai nilai vector.
4. Jika hasil nilai fuzzy lebih besar dari k fuzzy, Mi (i=, 1, 2, , k) yang dapat didefinisikan sebagai nilai ordinat
5. Normalisasi bobot vector atau nilai prioritas criteria yang telah diperoleh, W = (d (A1 ), d (A2 ), , d (An )
Dimana W adalah bilangan non- fuzzy

2.2.2.1 AHP
Membandingkan data antar kriteria dalam bentuk matriks berpasangan dengan menggunakan skala intensitas
kepentingan AHP. Proses ini dilakukan untuk mengetahui nilai konsistensi ratio perbandingan (Consistence Ratio atau CR).
Dimana syarat konsistensi harus kecil dari 10 % atau CR < 0.1. Perbandingan matriks berpasangan kriteria AHP dapat dilihat
pada lampiran tabel matrik perbandingan berpasangan. Selanjutnya sebelum menghitung nilai bobot prioritas, nilai perbandingan
pada tiap sel kolomnya dijumlahkan, langkah untuk menghitung nilai bobot prioritas adalah membagi setiap sel dengan jumlah
pada kolomnya. Setelah diperoleh hasil pembagian tiap kolomnya, maka dapat dihitung eigen vector atau bobot prioritas. Nilai
bobot prioritas adalah nilai rata-rata dengan cara menjumlahkan nilai-nilai dari setiap baris dan membaginya dengan banyak
elemen kriteria dan jika dijumlahkan akan bernilai satu. Setelah diperoleh prioritas kriterianya, maka dihitung nilai lamda
maksimum ( maks) atau eigen value, yaitu menjumlahkan hasil perkalian bobot prioritas dengan jumlah kolom.
Eigen Maks (maks) ( 2.999 * 0.303 ) + ( 20.33 * 0.051 ) + ( 7.532 * 0.143 ) + ( 20.33 * 0.051 ) + ( 20.33 * 0.051 ) + ( 7.532
* 0.143 ) + ( 7.532 * 0.143 ) + ( 16.332 * 0.088 ) + ( 33 * 0.027 ) = 9.579
Selanjutnya dihitung nilai CI dengan persamaan rumus berikut.
CI (maks-n) / n-1
(9.579 9) / 9 1 = 0.072375
Nilai RI untuk n = 9 adalah 1.45 (dapat dilihat pada tabel RI), sehingga dapat dihitung CR dengan persamaan rumus berikut
CR CI / CR
0.072375 / 1.45 = 0.04991379 (Konsisten)

2.2.2.2 Nilai Perbandingan AHP ke F-AHP

Setelah diketahui nilai CR < 0.1, maka nilai perbandingan matriks berpasangan AHP diubah ke dalam himpunan fuzzy
segititga atau Triangular Fuzzy Number (TFN). Pada skala FAHP memiliki tiga nilai, yaitu nilai terndah (lower, l), tengah (median,
m), dan tertinggi (upper, u). Pada penelitian ini menggunakan teori chang (1996), sehingga tiap himpunan fuzzy akan dibagi 2,
kecuali untuk himpunan perbandingan yang sama (just equal) atau dapat dilihat skala TFN pada Lampiran tabel konversi AHP -
TFN. Misalnya perubahan nilai perbandingan matriks berpasangan untuk C1 dari AHP ke FAHP seperti berikut ini.
Perbadingan C1 C2 C3 C4 C5 C6 C7 C8 C9
Matriks
Berpasangan

C1 AHP 1 5 3 5 5 3 3 5 5

3|6
 C1 FAHP 1 1 1 2 5/2 3 1 3/2 2 2 2.5 3 2 5/2 3 1 3/2 2 1 3/2 2 2 5/2 3 2 5/2 3
Dan begitu juga untuk C2, C3C9 dan kebalikannya = 1/
Dari tabel di atas, dapat digambarkan grafik fuzzy segitiganya seperti gambar 2.5 di bawah ini.

Gambar 2.3 Grafik Himpunan Fuzzy Segitiga

2.2.2.3 FAHP
Proses perhitungan FAHP dimulai dari menghitung nilai sintesis fuzzy, vector fuzzy dan nilai ordinat, bobot vector
FAHP, dan normalisasi bobot prioritas sehingga akan diproleh bobot prioritas global (kriteria) dan bobot prioritas local
(alternative) yang paling optimum. Langkah-langkah F-AHP:


=
= [=
= ]

Dimana:
Si = nilai sintesis fuzzy


=1 = menjumlahkan nilai sel pada kolom yang dimulai dari kolom 1

setiap baris matriks

i = baris j = kolom
Berikut hasil perhitungan nilai sintesis fuzzy (Si)
Tabel 2. 2 Nilai Sintesis Fuzzy (Si)
Si 14 / 115
kode
L m u 18 / 91.852
C1 0.122 0.196 0.303 22 / 72.664
C2 0.055 0.082 0.131
C3 0.083 0.132 0.206
C4 0.055 0.082 0.131
C5 0.055 0.082 0.131
C6 0.083 0.132 0.206
C7 0.083 0.132 0.206
C8 0.059 0.102 0.172
C9 0.038 0.057 0.096

Setelah dilakukan perbandingan nilai sintesis fuzzy, Selanjutnya mencari nilai vektor (v), ordinat defuzzifikasi (d) minimum.
Untuk menghitung nilai v kita gunakan persamaan rumus berikut.

V (M2 M1) = 1 , if m2 m1 Nilai vektor C1

0 , if l1 u2 VC1 ( VC2, VC3, VC4, VC5, VC6, VC7, VC8, VC9)
VC2 VC1 = 0.073

01 , if ()() VC3 VC1 = 0.568
VC4 VC1 = 0.073
VC5 VC1 = 0.073
Lakukan untuk mencari nilai vektor C1, C2, C3, C4, C5, C6,
VC6 VC1 = 0.568
C7, C8 dan C9 dengan persamaan diatas. (Data nilai vektor VC7 VC1 = 0.568
dapat dilihat pada Lampiran Tabel Vektor) VC8 VC1 = 0.347
VC9 VC1 = 0

4|6
Setelah memperoleh nilai vektor, maka dapat dicari nilai ordinat dan nilai bobot kriteria menggunakan fungsi dibawah ini.
Kode C1 C2 C3 C4 C5 C6 C7 C8 C9 Jumlah
Nilai W' 1 0.073 0.568 0.073 0.073 0.568 0.568 0.347 0 3.27
Nilai W' 0.306 0.022 0.174 0.022 0.022 0.174 0.174 0.106 0 W=1

min c2 (0.073 , 0.49, 1, 1, 0.49, 0.49, 0.783, 1) = 0.073

0.073 / 3.27 = 0.022

3. HASIL IMPLEMENTASI
Berikut adalah hasil implementasi berupa tampilan form pada sistem yang dikembangkan.

Gambar 3. 2 Monitoring Waktu Proses

Gambar 3. 1 Ranking Penilaian
Gambar 3.1 menampilkan ranking score proses yang akan
dilakukan decision making. List proyek (alternatif) diurutkan
berdasarkan nilai rate paling tinggi.
Gambar 3.2 menampilkan monitoring waktu proses proyek
yang berjalan di marketing. Pada halaman monitoring
tersedia informasi waktu, kode lelang, instansi dan link
detail proyek. Selain itu juga dapat dilihat status proyek
berdasarkan indikator warna yang ditampilkan

Gambar 3. 3 Form Penugasan PIC Gambar 3. 4 Form Pembuatan Keputusan

Gambar 3.3 merupakan form penugasan PIC proyek. Gambar merupakan form keputusan proyek. Pada form
Penugasan dilakukan untuk setiap proyek yang ingin tersedia tabel standar rekomendasi berdasarkan rate nilai
dilakukan proses decision making. hasil perhitungan proyek.

4. KESIMPULAN & SARAN

Berdasarkan hasil analisis, perancangan, pengujian dan implementasi yang telah dilakukan, dapat disimpulkan sebagai
berikut.
1. Pemilihan proyek oleh marketing perusahan dapat terbantu dengan mengaplikasikan metode FAHP. Proyek-proyek
berpotensi dilakukan proses penilaian dan perankingan untuk menghasilkan rekomendasi dalam pembuatan
keputusan oleh kepala marketing.
2. Resource yang dimiliki perusahaan dikelola dengan lebih baik karena terjadi proses monitoring dalam inisialisasi
proyek di marketing.
3. Waktu pengambilan keputusan menjadi lebih cepat karena pada sistem yang dikembangkan dapat melakukan
disposisi tugas kepala marketing. Kepala marketing dapat menunjuk senior marketing untuk bertanggung jawab
dalam proses peninjauan proyek sampai akhir keputusan dilakukan.
Saran guna memperbaiki kekurangan pada aplikasi ini dan untuk pengembangan lebih lanjut aplikasi yang telah dibangun
adalah sebagai berikut.

5|6
 1. Untuk pengembangan selanjutnya pada sistem dapat ditambahkan fungsi reminder secara otomatis. Reminder dapat
mengirimkan notifikasi ke sistem dan email masing-masing user yang ditugaskan dalam proyek.
2. Sistem bisa ditambahkan API (application program interface) agar dapat berkomunikasi dan terintegrasi dengan
aplikasi lain.
3. Modul manajemen proyek yang sudah ada dapat dikembangkan lebih lanjut lagi untuk mendukung pengerjaan
implementasi proyek. Modul manajemen proyek belum sampai pada detail teknis implementasi seperti penjadwalan,
task list, budgeting dan control.

5. REFERENSI
[1] Yakub. 2012. Pengantar Sistem Informasi. Yogyakarta: Graha Ilmu.
[2] Sparague, R. H. and Watson H. J. 1993. Decision Support Systems Putting Theory Into Practice. Englewood Clifts,
N. J: Prentice Hall.
[3] I Nyoman, Jani dan Raharjo. 2002. Aplikasi Fuzzy Analytical Hierarchy Process dalam Seleksi Karyawan, Jurnal
Teknik Industri. vol. 4, no 2, pp 82-92.
[4] Turban, E. 2005. Decision Support Systems and Intelligent Systems. Yogyakarta: Penerbit Andi.
[5] Kusrini. 2007. Konsep dan Aplikasi Sistim Pendukung Keputusan. Yogyakarta: Penerbit Andi.
[6] Irfan, Subakti. 2002. Sistim Pendukung Keputusan. Surabaya: Institut Teknologi Sepuluh November.
[7] Kotler Philip, dkk. 2012. Manajemen Pemasaran Perspektif Asia. Yogyakarta: Penerbit Andi.
[8] Saaty, T. L. 1993. Pengambilan Keputusan bagi Para Pemimpin. Jakarta: Pustaka Binaman Pressindo.
[9] Mustafa Batuhan AYHA. 2013. A Fuzzy AHP Approach For Supplier Selection Problem: A Case Study In A
Gearmotor Company, International Journal of Managing Value and Supply Chains. vol. 4, no 3.
[10] Kusumadewi, Sri, dkk. 2006. Fuzzy MultiAttribute Decision Making (Fuzzy MADM). Yogyakarta: Penerbit Graha
Ilmu.
[11] Chang, D. Y. 1996. Application of the Extent Analysis Method on Fuzzy AHP, European Journal of Operational
Research. vol. 95, pp649-655.
[12] Idrus, Muhammad. 2009. Metode penelitian ilmu sosial. Jakarta: Penerbit Erlangga.
[13] Rahmawati, dkk. 2012. Penentuan Faktor Prioritas Mahasiswa dalam Memilih Telepon Selular Merk Blackberry
Dengan Fuzzy AHP, Seminar Nasional Ilmu Komputer Universitas Diponegoro. pp85-92.
[14] Saaty, T. L. 2008. Decision Making with The Analytic Hierarchy Process, International Journal of Services Sciences.
vol. 1, no. 1.

6. LAMPIRAN

Tabel Matrik Perbandingan Berpasangan

Keterangan Nilai Kode C1 C2 C3 C4 C5 C6 C7 C8 C9
Nilai Pagu 8 C1 1 5 3 5 5 3 3 5 5
Potensi dan Peluang 4 C2 0.2 1 0.333 1 1 0.333 0.333 0.333 3
Portofolio Proyek 6 C3 0.333 3 1 3 3 1 1 3 5
Analisis Pesaing 4 C4 0.2 1 0.333 1 1 0.333 0.333 0.333 3
Kompleksitas Proyek 4 C5 0.2 1 0.333 1 1 0.333 0.333 0.333 3
Ketersediaan SDM 6 C6 0.333 3 1 3 3 1 1 3 5
Faktor Kepentingan 6 C7 0.333 3 1 3 3 1 1 3 5
Biaya Proyek 5 C8 0.2 3 0.333 3 3 0.333 0.333 1 3
Persyaratan Lelang 2 C9 0.2 0.333 0.2 0.333 0.333 0.2 0.2 0.333 1
Jumlah Kolom 2.999 20.33 7.532 20.33 20.33 7.532 7.532 16.332 33

Tabel Vektor Tabel AHP TFN

Kode C1 C2 C3 C4 C5 C6 C7 C8 C9 C1C9 Total Baris
Kode L M U L M U
C1 0.073 0.568 0.073 0.073 0.568 0.568 0.347 0
C1 14 18 22
C2 1 1 1 1 1 1 1 0.621 C2 6.333 7.564 9.5
C3 1 0.49 0.49 0.49 1 1 0.748 0.148 C3 9.5 12.166 15
C4 1 1 1 1 1 1 1 0.621 C4 6.333 7.564 9.5
C5 1 1 1 1 1 1 1 0.621 C5 6.333 7.564 9.5
C6 1 0.49 1 0.49 0.49 1 0.748 0.148 C6 9.5 12.166 15
C7 1 0.49 1 0.49 0.49 1 0.748 0.148 C7 9.5 12.166 15
C8 1 0.783 1 0.783 0.783 1 1 0.451 C8 6.833 9.398 12.5
C9 1 1 1 1 1 1 1 1 C9 4.332 5.264 7
Total Kolom 72.664 91.852 115

6|6