Anda di halaman 1dari 17

ALGORITMA: Jurnal Ilmu Komputer dan Informatika

Volume: 02, Number : 01, April 2018 ISSN 2598-6341 (online)

Analisa Dan Perancangan Sistem Pendukung Keputusan Pemilihan


Pasangan Hidup Menurut Budaya Karo Dengan Menggunakan
Metode Analitycal Hierarchy Process (AHP)

Abdul Halim Hasugian1, Hendra Cipta2


1
Prodi Ilmu Komputer, 2 Prodi Matematika
Fakultas Sains dan Teknologi
Universitas Islam Negeri Sumatera Utara Medan
Email: 1abdulhalimhasugian@uinsu.ac.id, 2hendracipta@uinsu.ac.id

Abstrak
Kajian ini bertujuan untuk membuat analisa dan perancangan sistem pendukung keputusan pemilihan hidup menurut budaya
karo dengan menggunakan metode analytical hierarchy process (AHP). Objek utama sistem pendukung keputusan ini adalah
memberikan saran memberikan saran kepada pengguna aplikasi terhadap pasangan hidupnya sesuai dengan kriteria yang ditentukan.
Hasil yang diberikan bukan paksaan dan hanya berupa saran semata. Sehingga pengguna dapat melihat hasil calon pasangan yang
berdasarkan bantuan sistem pendukung keputusan ini.
Hasil yang dicapai adalah terciptanya suatu aplikasi sistem pendukung keputusan yang dapat digunakan untuk
memilih pasangan hidup menurut budaya karo daan sesuai dengan kriteria yang dibutuhkan. Sistem ini membantu
mendukung proses pengambilan keputusan untuk pemilihan pasangan.

Kata kunci : Sistem, keputusan, pemilihan pasangan, Analytical Hierarchy Process (AHP)

1. Pendahuluan hidup dengan banyak aspek dan faktor kriteria


pemilihan yang harus dihitung dengan matang.
Sudah menjadi hukum bahwa dua orang manusia
Di dalam masyarakat Karo yang menganut
dengan jenis kelamin yang berbeda, seorang
patriahat (menurut garis keturunan ayah) dilarang
perempuan dan seorang laki-laki, ada daya saling
kawin menurut satu marga. Suatu perkawinan
menarik satu sama lain untuk hidup bersama. Hidup
biasanya didahului oleh suatu keadaan yang bersifat
bersama ini sangat penting didalam masyarakat.
khusus yang lazim disebut pertunangan lamaran atau
Dengan akibat esensil ialah bahwa kalau kemudian
permintaan dari keluarga laki-laki
pasangan ini dikaruniakan anak-anak yang menjadi
kepada pihak keluarga perempuan. Dampak yang
keturunan mereka dan terbentuklah keluarga
paling kelihatan akibat dari permasalahan diatas
tersendiri. Perkawinan tidak dapat terlepas dari hukum
adalah timbulnya kebingungan dalam menentukan
perkawinan yang berlaku didalam suatu negara, tetapi
pilihan pada saat akan memutuskan untuk menikah.
hal ini tidak berarti bahwa sifat keseluruhan dari suatu
Dalam perancangan dan pembangunan aplikasi ini
perkawinan dapat terlihat semua dalam peraturan
akan digunakan metode AHP (Analitycal Hierarchy
hukum itu. Dalam hukum adat Karo perkawinan tidak
Process) untuk mengolah data-data dari bebereapa
dipandang semata-mata urusan pribadi (private) tetapi
kriteria yang diinginkan. Dan untuk memudahkan
sudah menjadi masalah keluarga. Menikah alias kawin
dalam memasukkan kriteria yang diinginkan, maka
yang baik hanya dilakukan satu kali seumur hidup dan
penyampaian informasi dipresentasikan dengan
kita akan terus hidup bersama dengan orang yang kita
menggunakan bahasa pemograman. Decision Support
pilih sebagai isteri kita beserta anak yang mungkin kita
System atau sistem pendukung keputusan selain dapat
hasilkan dari pernikahan itu. Memilih pasangan hidup
memberikan informasi yang dibutuhkan oleh pihak
yang tepat adalah salah satu bagian terpenting dalam
yang ingin menikah, juga dapat membantu
14
ALGORITMA: Jurnal Ilmu Komputer dan Informatika
Volume: 02, Number : 01, April 2018 ISSN 2598-6341 (online)

menyediakan berbagai alternatif yang dapat ditempuh dapat diperluas untuk mampu mendukung analisis
dalam proses pengambilan keputusan. data dan pemodelan keputusan, berorientasi terhadap
Ciri khas suatu DSS (Decision Support System) perencanaan masa depan. Dan digunakan pada interval
adalah digunakan model yang salah satu fungsinya yang tidak regular dan tak berencana.
untuk penyederhanaan masalah. AHP yang Bonczek, dkk., (1980) mendefenisikan DSS
dikembangkan oleh Thomas L Saaty merupakan sebagai sistem berbasis komputer yang terdiri dari tiga
model hirarki fungsional dengan input utamanya komponen yang saling berinteraksi; sistem bahasa
persepsi manusia. Dengan adanya hirarki masalah (mekanisme untuk memberikan komunikasi antara
kompleks atau tidak terstruktur dipecah dalam sub-sub pengguna dan komponen DSS lain), sistem
masalah kemudian disusun menjadi suatu bentuk pengetahuan (repositori kemampuan domain masalah
hirarki. AHP (Analitycal Hierarchy Process) yang ada pada DSS entah sebagai data atau sebagai
mempunyai kemampuan untuk memecahkan masalah prosedur), dan sistem pemrosesan masalah (hubungan
multikriteria yang berdasarkan pada perbandingan antara dua komponen lainnya, terdiri dari satu atau
preferensi dari setiap elemen dalam hirarki lebih kapabilitas manipulasi masalah umum yang
diperlukan untuk pengambilan keputusan). Konsep-
konsep yang diberikan oleh definisi tersebut sangat
2.1 Pengertian Decision Support System ( DSS) penting untuk memahami hubungan antara DSS dan
pengetahuan.
Little (1970) mendefenisikan DSS
“ sekumpulan prosedur berbasis model untuk data Keen (1980) menerapkan istilah DSS ”untuk
pemrosesan dan penilaian guna membantu para situasi dimana sistem ’final’ dapat dikembangkan
seseorang (manajer, dokter, dll) dalam mengambil hanya melalui suatu proses pembelajaran dan evolusi
keputusan.” Dia menyatakan bahwa untuk sukses, yang adaptif.” jadi, ia mendefinisikan DSS sebagai
sistim tersebut haruslah sederhana, cepat, mudah suatu produk dari proses pengembangan di mana
dikontrol, adaptif, lengkap dengan isu penting, dan pengguna DSS, pembangun DSS, dan DSS itu sendiri
mudah berkomunikasi. mampu mempengaruhi satu dengan yang lainnya, dan
Alter (1980) mendefenisikan DSS dengan menghasilkan evolusi sistem dan pola-pola
membandingkannya dengan sistem EDP (electronic penggunaan.
data processing) tradisional pada lima dimensi. Moore Defenisi-defenisi tersebut diperbandingkan
dan Chang (1980) berpendapat bahwa konsep struktur, dan dikontraskan dengan memeriksa berbagai konsep
seperti yang banyak disinggung pada defenisi awal yang digunakan untuk mendefenisikan DSS.
DSS (bahwa DSS dapat menangani situasi Tampaknya basis untuk mendefinisikan DSS (misal
semiterstruktur dan tidak terstruktur), secara umum dukungan pengambilan keputusan pada masalah
tidaklah penting; sebuah masalah dapat dijelaskan terstruktur) dan dari ide-ide mengenai bagaimana
sebagai masalah terstruktur dan tidak terstruktur hanya tujuan DSS dapat dicapai (misal komponen yang
dengan memerhatikan si pengambil keputusan atau diperlukan, pola penggunaan yang tepat, dan proses
suatu situasi spesifik (yakni keputusan terstruktur pengembangan yang diperlukan).
adalah terstruktur karena kita memilih untuk
memperlakukannya dengan cara seperti itu). Jadi Ada beberapa jenis keputusan berdasarkan sifat dan
mereka mendefenisikan DSS sebagai sistem yang jenisnya, menurut Herbet A. Simon :

15
ALGORITMA: Jurnal Ilmu Komputer dan Informatika
Volume: 02, Number : 01, April 2018 ISSN 2598-6341 (online)

1. Keputusan Terprogram terhadap kecantikan yang bersifat kualitas, dapat


Yaitu keputusan yang bersifat berulang dan rutin, dikuantitaskan dengan pemberian bobot nilai
sedemikian sehingga suatu prosedur pasti telah seperti 75 atau 90.
dibuat untuk menanganinya. 4. Prosedur pakar
2. Keputusan Tak Terprogram SPK mengandung suatu prosedur yang dirancang
Yaitu keputusn yang bersifat baru, tidak berdasarkan rumusan formal atau berupa prosedur
terstruktur dan jarang konsekuen. Tidak ada kepakaran seseorang atau kelompok dalam
metode yang pasti untuk menangani masalah menyelesaikan suatu bidang masalah dengan
tersebut. fenomena tertentu.
Dalam mengambil keputusan dibutuhkan adanya
beberapa tahapan menurut Herbet A. Simon tahapan
dalam Sistem Pengambilan Keputusan (SPK) terdapat
empat tahap diantaranya :
a. Kegiatan Intelijen
Yakni kegiatan yang berorientasi untuk
memaparkan masalah, pengumpulan data dan
informasi, serta mengamati lingkungan mencari
kondisi-kondisi yang perlu diperbaiki.
b. Kegiatan Merancang
Yakni kegiatan yang berorientasi untuk
menemukan, mengembangkan dan menganalisis
Gambar 2.1 SPK Berfokus Pada Masalah Semi
berbagai alternatif tindakan yang mungkin.
Terstruktur

2.1.1 Karakteristik SPK


SPK dirancang sedemikian rupa untuk
membantu mendukung keputusan-keputusan yang
1. Interaktif
melibatkan masalah-maslah kompleks yang
SPK memiliki user interface yang komunikatif
diformulasikan sebagai problem problem
sehingga pemakai dapat melakukan akses secara
semiterstruktur. SPK bisa dibangun untuk mendukung
cepat ke data dan memperoleh informasi yang
keputuisan sekali saja, keputusan–keputusan yang
dibutuhkan.
jarang dibuat atau keputusan-keputusan yang muncul
2. Fleksibel
secara rutin.
SPK memiliki kemampuan sebanyak mungkin
SPK berorientasi proses dimana fokus SPK adalah
variable masukan, kemampuan untuk mengolah
pada interaksi pembuat keputusan dengan sistem
dan memberikan keluaran yang menyajikan 2
tersebut, bukan pada keluaran yang dihasilkan.
alternatif keputusan kepada pemakai
Pembuat keputusan dalam organisasi terjadi pada tiga
3. Data kualitas
level utama yaitu level strategik, manajerial dan
SPK memiliki kemampuan untuk menerima data
operasional. Keputusan pada level operasional
kualitas yang dikuantitaskan yang sifatnya
merupakan keputusan-keputusan terstruktur yaitu
subyektif dari pemakainya, sebagai data masukan
keputusan- keputusan dimana semua atau sebagian
untuk pengolahan data. Misalnya: penilaian
besar variabel-variabel yang ada diketahui dan bisa
16
ALGORITMA: Jurnal Ilmu Komputer dan Informatika
Volume: 02, Number : 01, April 2018 ISSN 2598-6341 (online)

diprogram secara total (secara menyeluruh dapat 2. Model Base


diotomatiskan). 3. Software Sistem
Keputusan-keputusan terstruktur bersifat Komponen satu adalah sistem database berisi
rutin dan memerlukan sedikit pendapat manusia begitu kumpulan dari semua data bisnis yang dimiliki
variabel-variabel tersebut terprogram. Pada level perusahaan, baik yang berasal dari transaksi sehari-
manajerial dan strategik merupakan keputusan hari, maupun data dasar (master file). Untuk keperluan
semistruktur, dimana problem problem dan peluang SPK, diperlukan data yang relevan dengan
tidak dapat distrukturkan secara total dan memerlukan permasalahan yang hendak dipecahkan melalui
pendapat dan pengalaman manusia untuk membuat simulasi.
suatu keputusan. Dalam hal ini SPK dapat digunakan Komponen kedua adalah Model Base atau suatu
untuk mengembangkan solusi problem–problem yang model yang merepresentasikan permasalahan ke
bersifat kompleks dan semiterstruktur. Penggunaan dalam format kuantitatif (model matematika sebagai
SPK tidak terbatas untuk manajer-manajer dari level contohnya) sebagai dasar simulasi atau pengambilan
menengah sampai ke ke level tinggi, tetapi dapat keputusan, termasuk di dalamnya tujuan dari
digunakan oleh individu-individu. Pengguna memiliki permasalahan (obyektif), komponen-komponen
gaya pembuatan keputusan tersendiri, kebutuhan yang terkait, batasan-batasan yang ada (constraints), dan
berbeda serta tingkat pengalamannya sendiri-sendiri, hal-hal terkait lainnya.
oleh karenanya perancang SPK perlu Komponen ketiga adalah Software Sistem, setelah
mempertimbangkan atribut-atribut khusus sehingga sebelumnya direpresentasikan dalam bentuk model
memungkinkan pengguna berhasil berinteraksi yang “dimengerti” komputer . Contohnya adalah
dengan sistem. penggunaan teknik RDBMS (Relational Database
Management System), OODBMS (Object Oriented
Database Management System) untuk memodelkan
struktur data. Sedangkan MBMS (Model Base
Management System) dipergunakan untuk mere-
presentasikan masalah yang ingin dicari
pemecahannya. Entiti lain yang terdapat pada produk
DSS baru adalah DGMS (Dialog Generation and
Management System), yang merupakan suatu sistem
untuk memungkinkan terjadinya “dialog” interaktif
antara computer dan manusia (user) sebagai
pengambil keputusan.

2.2 Analytic Hierarchy Process (AHP)


Gambar 2.2 SPK Yang Berorinetasi Proses
Analytic Hierarchy Process (AHP) merupakan
suatu proses mengembangkan suatu score numerik
untuk me-ranking alternatif keputusan-keputusan
2.1.2 Komponen Sistem Penunjang Keputusan
yang didasarkan pada bagaimana setiap alternatif
Secara garis besar DSS dibangun oleh tiga
tersebut dalam memenuhi kriteria Decision Maker.
komponen besar:
Metode ini dikembangkan oleh Thomas L. Saaty
1. Database
17
ALGORITMA: Jurnal Ilmu Komputer dan Informatika
Volume: 02, Number : 01, April 2018 ISSN 2598-6341 (online)

pada tahun 1970an dan mulai dipelajari dan b. Memperhitungkan konsistensi dari penilaian yang
dikembangkan sejak saat itu. AHP membantu orang- telah dilakukan dalam membandingkan faktor-
orang dalam mengambil sebuah keputusan yang faktor yang ada.
kompleks. Metode ini digunakan di dunia dengan c. Memudahkan pengukuran dalam elemen.
berbagai macam situasi pengambilan keputusan d. Memungkinkan perencanaan ke depan.
seperti contohnya pemerintahan, bisnis, industri,
kesehatan, dan pendidikan. Pengambilan keputusan Tahap-tahap pengambilan keputusan dalam Analytic
dengan metode AHP memungkinkan untuk Hierarchy Process (AHP) :
memandang permasalahan dengan kerangka berpikir
1. 1. Tahap Pemahaman ( Inteligence Phace )
yang tertata, sehingga pengambilan keputusan
Tahap ini merupakan proses penelusuran dan
menjadi efektif. Prinsip kerja AHP adalah
pendeteksian dari lingkup problematika serta
menyerdahanakan masalah yang kompleks, yang
proses pengenalan masalah. Data masukan
terstruktur dan menata variabel dalam hirarki.
diperoleh, diproses dan diuji dalam rangka
AHP menentukan tingkatan kepentingan setiap
mengidentifikasikan masalah.
variabel, dan secara subjektif memberi numerik suatu
2. 2. Tahap Perancangan ( Design Phace )
variable tentang arti pentingnya secara relatife
Tahap ini merupakan proses pengembangan dan
dibanding dengan variable lainnya secara
pencarian alternatif tindakan/ solusi yang dapat
berpasangan. Dari berbagai pertimbangan tersebut
diambil tersebut merupakan representasi kejadian
AHP melakukan sintesa untuk menentukan sintesa
nyata yang disederhanakan, sehingga diperlukan
untuk menetapkan variable mana yang lebih
proses validasi dan vertifikasi untuk mengetahui
memiliki prioritas yang lebih tinggi dan berperan
keakuratan model dalam meneliti masalah yang
untuk mempengaruhi sistem tersebut. AHP sangat
ada.
cocok dan fleksibel digunakan untuk menentukan
3. 3. Tahap Pemilihan ( Choice Phace )
keputusan yang menolong seorang decision maker
Tahap ini dilakukan pemilihan terhadap diantara
untuk mengambil keputusan yang kualitatif dan
berbagai alternatif solusi yang dimunculkan pada
kuantitatif berdasarkan segala aspek yang
tahap perencanaan agar ditentukan /dengan
dimilikinya.
memperhatikan kriteria–kriteria berdasarkan
tujuan yang akan dicapai.
4. 4. Tahap Impelementasi ( Implementation Phace )
2.2.1 Analytic Hierarchy Process sebagai
Tahap ini dilakukan penerapan terhadap
Pengambil Keputusan
rancangan sistem yang telah dibuat pada tahap
perancanagan serta pelaksanaan alternatif
Manfaat dari penggunaan Analytic Hierarchy
tindakan yang telah dipilih pada tahap pemilihan.
Process (AHP) dalam pengambilan keputusan antara
lain yaitu: Kelebihan metode AHP antara lain ( Badiru dengan
a. Memadukan intuisi pemikiran, perasaan dan buku AHP 1995) adalah:
penginderaan dalam menganalisis a. Struktur yang berhirarki merupakan konsekuensi
pengambilan keputusan. dari kriteria yang dipilih sampai pada subkriteria
paling dalam.

18
ALGORITMA: Jurnal Ilmu Komputer dan Informatika
Volume: 02, Number : 01, April 2018 ISSN 2598-6341 (online)

b. Memperhitungkan validitas sampai dengan batas


toleransi inkonsistensi berbagai kriteria dan
alternatif yang dipilih oleh pengambil keputusan.
c. Memperhitungkan daya tahan atau ketahanan
output analisis sensitifitas pengambilan
keputusan.
Selain itu, AHP mempunyai kemampuan untuk
memecahkan masalah yang multi-obyektif dan multi-
kriteria yang berdasarkan pada perbandingan
preferensi dari setiap elemen dalam hirarki.
Gambar 2.3 : Struktur AHP

2.2.2 Jenis-jenis Analytic Hierarchy Process (AHP) 1. Menentukan prioritas elemen


1. Single-criteria a. Langkah pertama dalam menentukan
prioritas elemen adalah membuat
Pilih satu alternatif dengan satu kriteria. perbandingan bepasangan sesuai
Pengambilan keputusan yang melibatkan dengan kriteria yang diberikan.
satu/lebih alternatif dengan satu kriteria. b. Matriks perbandingan berpsangan diisi
2. Multi-criteria menggunakan bilangan untuk
mempresentasikan kepentingan relatif
Pengambilan keputusan yang melibatkan
dari suatu elemen terhadap elemen yang
satu/lebih alternatif dengan lebih dari satu
lain.
kriteria. Pilih satu alternatif dengan banyak
2. Sintesis
kriteria.
Pertimbangan-pertimbangan terhadap
perbandingan berpasangan disentesis untuk
2.2.3 Prosedur Analytic Hierarchy Process (AHP)
memperoleh keseluruhan prioritas. Hal-hal
Pada dasarnya langkah-langkah prosedur
yang dilakukan dalam langkah ini adalah :
dalam metode AHP meliputi :
a. Menjumlahkan nilai-nilai dari setiap
1. Mendefenisikan masalah dan menentukan
kolom pada matriks.
solusi yang di inginkan, lalu menyusun
b. Membagi setiap nilai dari kolom yang
hirarki dari permasalahan yang dihadapi.
bersangkutan untuk
Penyusunan hirarki adalah dengan
memperoleh normalisasi matriks.
menetapkan tujuan yang merupakan sasaran
c. Menjumlahkan nilai-nilai dari setiap
sistem secara keseluruhan pada level teratas.
baris dan membaginya dengan jumlah
Seperti gambar 2.3 berikut :
elemen untuk mendapatkan nilai rata-
rata.
3. Mengukur konsistensi
Dalam pembuatan keputusan, penting untuk
mengetahui seberapa baik konsistensi yang
ada karena kita tidak menginginkan

19
ALGORITMA: Jurnal Ilmu Komputer dan Informatika
Volume: 02, Number : 01, April 2018 ISSN 2598-6341 (online)

keputusan berdasarkan pertimbangan dengan A2 1


konsistensi yang rendah. Hal-hal yang A3 1
dilakukan dalam langkah ini adalah :
a. Kalikan setiap nilai pada kolom pertama Dalam AHP ini, penilaian alternatif dapat
dengan prioritas relatif elemen pertama, dilakukan dengan metode langsung (direct),
nilai pada kolom kedua dengan prioritas yaitu metode yang digunakan untuk
relatif elemen kedua dan seterusnya. memasukkan data kuantitatif. Biasanya nilai-
b. Jumlahkan setiap baris nilai ini berasal dari sebuah analisis
c. Hasil dari penjumlahan baris dibagi sebelumnya atau dari pengalaman dan
dengan elemen prioritas relatif yang pengertian yang detail dari masalah
bersangkutan. keputusan tersebut. Jika si pengambil
d. Jumlahkan hasil bagi diatas dengan keputusan memiliki pengalaman atau
banyaknya elemen yang ada, hasilnya pemahaman yang besar mengenai masalah
disebut λ maks. keputusan yang dihadapi, maka dia dapat
4. Hitung ConsistensY Index (CI) dengan langsung memasukkan pembobotan dari
rumus : setiap alternatif.
CI=( λ maks-n)/n 6. Penentuan prioritas (pairwaise comparison)
Dimana n = banyaknya elemen Dalam pengambilan keputusan, hal yang
5. Penilaian Kriteria Dan Alternatif perlu diperhatikan adalah pada saat
(Comparative Judgement) pengambilan data ini diharapkan dapat
Kriteria dan alternatif dinilai melalui mendekati nilai yang sesungggunhya. Derajat
perbandingan berpasangan. Menurut Saaty kepentingan pelanggan dapat dilakukan
(1988), untuk berbagai persoalan, skala 1 dilakukan dengan pendekatan perbandingan
sampai 9 adalah skala terbaik dalam berpasangan. Perbandingan berpasangan
mengekspresikan pendapat. Perbandingan (pairwaise comparison) sering digunakan
dilakukan berdasarkan kebijakan pembuat untuk menentukan kepentingan relatif dari
keputusan dengan menilai tingkat elemen-elemen dan kriteria-kriteria yang ada.
kepentingan satu elemen terhadap elemen Perbandingan berpasangan tersebut diulang
lainnya proses perbandingan berpasangan, untuk semua elemen dalam tiap tingkat
dimulai dari level hirarki paling atas yang
ditujukan untuk memilih kriteria, misalnya A, 3.1 Metode Penelitian
kemudian diambil elemen yang akan Berikut ini adalah desain penelitian yang dibuat
dibandingkan, misal A1, A2, dan A3. Maka
susunan elemen-elemen yang dibandingkan
tersebut akan tampak seperti pada gambar
matriks di bawah ini :
Tabel 2.1 Contoh Matriks Perbandingan
Berpasangan
A1 A2 A3
A1 1

20
ALGORITMA: Jurnal Ilmu Komputer dan Informatika
Volume: 02, Number : 01, April 2018 ISSN 2598-6341 (online)

Menentukan kebutuhan data yang akan digunakan


Mengumpulkan data yang dibutuhkan
Mempersiapkan alat dan bahan Pada analisa masalah ini, penulis akan
menguraikan bagaimana proses pemilihan pasangan
Data Penelitian hidup dengan menggunakan metode AHP .Dalam
pengambilan keputusan kita perlu melakukan tiga
Pemodelan
Wawancara Observasi Kepustakaan
Pengklasifikasin langkah yaitu : intelligent, modelling, dan choice
(Herbert Simon, The New Science of Management
Penerapan Metode AHP dalam
Proses Pengambilan Keputusan Decision, 1977)

Rekayasa
Sistem 1. Tahap Intelligent
Tahap intelligent adalah mengumpulkan data yang
Implementasi
kita butuhkan serta menyusun kriteria pemilihan.
Sebaiknya dalam kasus ini kita tentukan kriteria dulu,
Gambar 3.1 Metode Penelitian supaya kita tau data apa yang harus kita cari atau kita
ukur(Herbert Simon, The New Science of
Tahapan atau gambaran yang akan dilakukan Management Decision, 1977).Untuk memilih
dalam penelitian dinamakan dengan desain penelitian, pasangan ada beberapa tahap yang harus diperhatikan :
dibutuhkan desain penelitian untuk memudahkan a. Tentukan beberapa pilihan calon pasangan
peneliti dalam melakukan penelitian. berdasarkan persepsi pemilih.
Berukut adalah tahapan penelitian yang akan b. Tentukan beberapa kriteria calon pasangan
dilakukan oleh penulis : berdasarkan persepsi pemilih.
1. Data yang dimaksud adalah data-yang mengenai Contoh :
calon pasangan misalnya : marga 1. Kriteria 1 : K1 : Marga
2. Mengumpulkan data yang dibutuhkan, data sudah 2. Kriteria 2 : K2 :Penampilan
ditentukan diatas kenudian dikumpulkan untuk (ketampanan, postur tubuh, warna
diproses kulit)
3. Mempersiapkan alat dan bahan penelitian 3. Kriteria 3 : K3 :Pekerjaan (jenis
Yang dimaksud alat disini adalah yang digunakan pekerjaan, salary, jabatan)
untuk membuat system pendukung keputusan 4. Kriteria 4 : K4 :Karakter
untuk memilih pasangan dan yang dimaksud ( kewibawaan, pola pikir, tindakan dan tingkat
denga bahan adalah data yang dikumpulkan untuk kedewasaan)
kemudian diolah dan dijadikan sebagai 5. Kriteria 5 : K5 : Asal Usul
pengambilan keputusan ( berasal dari keluarga seperti apa dan bagaimana
Setelah ke tiga proses dijalankan, diperoleh data sebenarnya calon pasangan yang akan kita pilih)
peneliian dengan 3 cara yaitu :Observasi, kepustakaan c. Tentukan bobot kriteria berdasarkan persepsi
dan wawancara. Kemudian data penelitian pemilih
dikembangkan melalui pengembangan perangkat Contoh :
lunak. Setelah itu akan diimplementasikan dalam 1. Kriteria 1 : K1 (Marga) =9
sebuag system pendukung keputusan. 2. Kriteria 2 : K2 (Penampilan)= 7
3. Kriteria 3 : K3 (Pekerjaan) = 5
4.1 Analisa Masalah
21
ALGORITMA: Jurnal Ilmu Komputer dan Informatika
Volume: 02, Number : 01, April 2018 ISSN 2598-6341 (online)

4. Kriteria 4 : K4 (Karakter) =8 Kriteria 5 : K5: Asal Usul = 6


5. Kriteria 5 : K5 (Asal Usul Keluarga)
=6 c. Hitung bobot dari keseluruhan kriteria dengan
Nilai bobot ditentukan oleh pemilih berdasarkan cara sebagai berikut :
intensitas kepentingan yang diinginkan pemilih. Tabel 4.1: bobot dari keseluruhan kriteria
Nilainya dari angka 1-9. Nama
2. Tahap Modelling Cln.Pasa
Pada tahap modelling (pemodelan), kita sudah ngan K1 K2 K3 K4 K5
memilih model pendekatannya adalah AHP. Pada
tahap ini ada beberapa hal yang harus diperhatikan : CP1=Ag 7.000 7/8 8.000 8.000 8.000
a. Gambarkan tree dari masalah yang akan dibahas, us 00 /7 00 00 00
dimana dalam tree ini terdapat objek yang akan
dibahas, kriteria dan alternatif. Berikut ini adalah CP2=Ria 6.000 9/8 9.000 7.000 7.000
gambar tree dari masalah yang akan dibahas yaitu n 00 /8 00 00 00
tentang pemilihan calon pasangan
1. Objek yang akan dibahas (tentang calon CP3=Da 8.000 7/6 7.000 5.000 8.000
pasangan) nu 00 /8 00 00 00
2. Kriteria (marga, penampilan, pekerjaan,
karakter, asal usul keluarga) CP4=Sut 9.000 9/8 6.000 9.000 5.000
3. Alternatif(nama-namapasangan) an 00 /7 00 00 00

1. Susun kedalam bentuk matriks nilai bobot dari


kriteria, dalam bilangan 5 desimal :
K1: Marga = 9.00000
K2: Penampilan = 7.00000
K3: Pekerjaan = 5.00000
K4: Karakter = 8.00000
K5: Asal Usul = 6.00000

Gambar 4.1 Hirarki(tree) Pemilihan Pasangan Hidup

b. Tentukan bobot kriteria berdasarkan persepsi


pemilih
Kriteria 1 : K1: Marga =9 2. Kuadratkan matriks dibawah ini :
Kriteria 2 : K2: Penampilan = 7
Kriteria 3 : K3: Pekerjaan = 5
Kriteria 4 : K4: Karakter =8

22
ALGORITMA: Jurnal Ilmu Komputer dan Informatika
Volume: 02, Number : 01, April 2018 ISSN 2598-6341 (online)

d. Untuk mendapatkan bobot sub kriteria


Penampilan asumsi perbandingan Ketampanan,
Postur tubuh, Warna Kulit, gunakan Eigenvektor
sebagai berikut :

1. Tentukan bobot sub kriteria berdasarkan


Dari hasil pengkuadratan matriks diatas maka dapat persepsi pemilih
diperoleh hasil sebagai berikut : Ketampanan Bobot = 7.0000
Postur tubuh Bobot = 8.0000
Warna Kulit Bobot =6.0000
2. Susun kedalam matriks nilai bobot dari
Ketampanan, Postur tubuh, Warna Kulit
dalam bilangan 5 desimal

3. Jumlahkan elemen masing-masing baris, kemudian


hasilnya dijumlahkan lagi untuk memperoleh
jumlah total dari keseluruhan baris.

KTMP PT WK
KTMP 1.00000 0.87500 1.16667
PT 1.14286 1.00000 1.33333
WK 0.85714 0.75000 1.00000

4. Hitung persentase masing-masing dengan cara


membagi total jumlah
3. Kuadratkan matriks dibawah ini :
KTMP PT WK
KTMP 1.00000 0.87500 1.16667
PT 1.14286 1.00000 1.33333
WK 0.85714 0.75000 1.00000
3. Hasil perhitungan pada point 3 diatas merupakan
eigenvektor matriks kriteria berdsarkan persepsi
pemilih Dari hasil pengkuadratan diatas diperoleh
K1 (Marga) = 0.257140 hasil :
K2 (Penampilan) =0.20000 3.00000 2.62500 3.50000
K3 (Pekerjaan) = 0.14286 3.42857 3.00000 4.00000
K4 (Karakter) = 0.22857 2.57143 2.25000 3.00000
K5 (Asal Usul) = 0.17143

23
ALGORITMA: Jurnal Ilmu Komputer dan Informatika
Volume: 02, Number : 01, April 2018 ISSN 2598-6341 (online)

4. Jumlahkan elemen masing-masing baris,


kemudian hasilnya dijumlahkan lagi untuk
memperoleh jumlah total dari keseluruhan
baris.

2. Kuadratkan matriks dibawah ini :

27.3750 (= 0.3333
9.12500 / 0 ) 3
10.4285 27.3750 (= 0.3809
7 / 0 ) 5 3. Dari hasil pengkuadratan matriks maka

27.3750 (= 0.2857 dapat diperoleh hasil

7.82143 / 0 ) 1

1. Hasil perhitungan pada point 4 diatas


merupakan eigenvektor matriks Ketampanan,
Postur tubuh, Warna Kulit.
4. Jumlahkan elemen masing-masing baris,
kemudian hasilnya dujumlahkan lagi untuk

Ketampanan = 0.33333 memperoleh jumlah total dari keseluruhan baris

Postur tubuh = 0.38095


Warna Kulit = 0.28571

e. Untuk mendapatkan bobot dari masing-masing


kriteria gunakan pendekatan Eigenvektor sebagai
berikut : 5. Hitung persentase masing-masing dengan cara
membagi total jumlah masing-masing baris dengan
jumlah total baris

i. Bobot kriteria Marga 15.27778 / 65.47619 (=) 0.23333


1. Susun kedalam bentuk matriks nilai bobot 13.09524 / 65.47619 (=) 0.20000
dari Marga calon pasangan dalam bilangan 5 17.46032 / 65.47619 (=) 0.26667
desimal. 19.64286 / 65.47619 (=) 0.30000

6. Hasil perhitungan pada point 4 diatas merupakan


eigenvektor matriks Marga calon pasangan
CP1= 0.23333

24
ALGORITMA: Jurnal Ilmu Komputer dan Informatika
Volume: 02, Number : 01, April 2018 ISSN 2598-6341 (online)

CP2= 0.20000 4.00000 3.11111 4.00000 3.11111


CP3= 0.26667 5.14286 4.00000 5.14286 4.00000
CP4= 0.30000 4.00000 3.11111 4.00000 3.11111
5.14286 4.00000 5.14286 4.00000
ii. Bobot kriteria Ketampanan
Pembobotan Ketampanan :
Ketampanan Bobot (Ketampanan 3. Jumlahkan elemen masing-masing baris,
masing masing/Ketampanan kemudian hasilnya dijumlahkan lagi untuk
total) memperoleh jumlah total dari keseluruhan
CP 1 7.0000 0.21875 baris
CP 2 9.0000 0.28125
CP 3 7.0000 0.21875
CP 4 9.0000 0.28125
1. Susun kedalam bentuk matriks nilai bobot
dari Ketampanan calon pasangan dalam
bilangan 5 desimal
4. Hitung persentase masing-masing dengan cara

CP1 CP2 CP3 CP4 membagi total jumlah masing-masing baris

C 1.00 0.77 1.00 0.77 dengan jumlah total baris

P1 000 778 000 778


C 1.28 1.00 1.28 1.00 14.22222 / 65.01587 (=) 0.21875

P2 571 000 571 000 18.28571 / 65.01587 (=) 0.28125

C 1.00 0.77 1.00 0.77 14.22222 / 65.01587 (=) 0.21875

P3 000 778 000 778 18.28571 / 65.01587 (=) 0.28125

C 1.28 1.00 1.28 1.00


P4 571 000 571 000 5. Hasil perhitungan pada point 4 diatas
merupakan eigenvektor matriks Ketampanan
calon pasangan

2. Kuadratkan matriks dibawah ini : CP1= 0.21875


CP2= 0.28125

CP1 CP2 CP3 CP4 CP3= 0.21875

CP1 1.00000 0.77778 1.00000 0.77778 CP4= 0.21875

CP2 1.28571 1.00000 1.28571 1.00000 iii. Bobot kriteria Postur tubuh

CP3 1.00000 0.77778 1.00000 0.77778 Pembobotan Postur tubuh :

CP4 1.28571 1.00000 1.28571 1.00000 Postur Tubuh Bobot( Postur tubuh
masing-masing/postur tubuh total
CP1 8.00000 0.26667
CP2 8.00000 0.26667
CP3 6.00000 0.20000
Dari hasil pengkuadratan matriks maka
CP4 8.00000 0.26667
dapat diperoleh hasil :

25
ALGORITMA: Jurnal Ilmu Komputer dan Informatika
Volume: 02, Number : 01, April 2018 ISSN 2598-6341 (online)

30.00000 4. Jumlahkan elemen masing-masing baris,


kemudian hasilnya dijumlahkan lagi untuk
1. Susun kedalam bentuk matriks nilai bobot dari memperoleh jumlah total dari keseluruhan
Postur tubuh calon pasangan dalam bilangan 5 baris
desimal

17.33333 / 65.00000 (=) 0.26667


17.33333 / 65.00000 (=) 0.26667
5. Hitung persentase masing-masing dengan
13.00000 / 65.00000 (=) 0.20000
cara membagi total jumlah masing-masing
17.33333 / 65.00000 (=) 0.26667
baris dengan jumlah total baris
CP1 CP2 CP3 CP4
CP1 1.00000 1.00000 1.33333 1.00000
CP2 1.00000 1.00000 1.33333 1.00000
6.Hasil perhitungan pada point 4 diatas
CP3 0.75000 0.75000 1.00000 0.75000
merupakan eigenvektor matriks Ketampanan
CP4 1.00000 1.00000 1.33333 1.00000
calon pasangan
CP1= 0.26667
CP2= 0.26667
CP3= 0.20000
2. Kuadratkan matriks dibawah ini :
CP4= 0.26667
CP1 CP2 CP3 CP4
CP1 1.00000 1.00000 1.33333 1.00000
iv. Bobot kriteria Warna Kulit
CP2 1.00000 1.00000 1.33333 1.00000
Pembobotan Warna Kulit :
CP3 0.75000 0.75000 1.00000 0.75000
Warna Kulit Bobot(Warna Kulit
CP4 1.00000 1.00000 1.33333 1.00000
masing-masing/warna kulit total)

CP1 7.00000 0.23333


3. Dari hasil pengkuadratan matriks maka CP2 8.00000 0.26667
dapat diperoleh hasil :
CP3 8.00000 0.26667
CP4 7.00000 0.23333
4.00000 4.00000 5.33333 4.00000 30.00000
4.00000 4.00000 5.33333 4.00000
3.00000 3.00000 4.00000 3.00000 1. Susun kedalam matriks nilai bobot dari Warna
4.00000 4.00000 5.33333 4.00000 Kulit calon pasangan, dalam bilangan 5
desimal :
CP1 CP1 CP3 CP4
CP1 1.00000 0.87500 0.87500 1.00000

26
ALGORITMA: Jurnal Ilmu Komputer dan Informatika
Volume: 02, Number : 01, April 2018 ISSN 2598-6341 (online)

CP2 1.14286 1.00000 1.00000 1.14286 CP1= 0.2333


CP3 1.14286 1.00000 1.00000 1.14286 CP2= 26667
CP4 1.00000 0.87500 0.87500 1.00000 CP3= 0.2667
CP4= 0.2333

2. Kuadratkan matriks dibawah ini


CP1 CP1 CP3 CP4 v. Bobot kriteria Penampilan.
CP1 1.00000 0.87500 0.87500 1.00000 1. Susun kedalam matriks nilai bobot dari
CP2 1.14286 1.00000 1.00000 1.14286 Penampilan calon pasangan, kemudian
CP3 1.14286 1.00000 1.00000 1.14286 dikalikan dengan matriks asumsi
CP4 1.00000 0.87500 0.87500 1.00000 Penampilan calon pasangan
Ktp Pt Wk
0.33333 0.38095 0.28571
3. Dari hasil pengkuadratan matriks maka dapat CP1 0.21875 0.26667 0.23333
diperoleh hasil CP2 0.28125 0.26667 0.26667 X 0
4.00000 3.50000 3.50000 4.00000 CP3 0.21875 0.20000 0.26667
4.57143 4.00000 4.00000 4.57143 CP4 0.28125 0.26667 0.23333
4.57143 4.00000 4.00000 4.57143
4.00000 3.50000 3.50000 4.00000 2. Hasil Pengkuadratan diatas adalah :

4. Jumlahkan elemen masing-masing baris, CP1 0.09042


kemudian hasilnya dijumlahkan lagi untuk CP2 0.16292
memperoleh jumlah total dari keseluruhan baris CP3 0.13708
CP4 0.15625

3. Hasil perhitungan pada point 4 diatas


merupakan eigenvektor matriks
Ketampanan calon pasangan.
5. Hitung persentase masing-masing dengan cara CP1= 0.09042
membagi total jumlah masing-masing dengan CP2= 0.16292
jumlah total baris CP3= 0.13708
15.00000 / 64.28571 (=) 0.23333 CP4= 0.15625
17.14286 / 64.28571 (=) 0.26667
17.14286 / 64.28571 (=) 0.26667 vi. Bobot kriteria Pekerjaan
15.00000 / 64.28571 (=) 0.23333 1. Susun kedalam bentuk matriks nilai
bobot dari Pekerjaan calon pasangan
6. Hasil perhitungan pada point 4 diatas merupakan dalam bilangan 5 desimal
eigenvektor matriks Postur tubuh Warna Kulit
calon pasangan

27
ALGORITMA: Jurnal Ilmu Komputer dan Informatika
Volume: 02, Number : 01, April 2018 ISSN 2598-6341 (online)

1. Susun kedalam bentuk matriks nilai


bobot dari Karakter calon pasangan
dalam bilangan 5 desimal

2. Kuadratkan matriks

1.00000 0.88889 1.14286 1.33333


1.12500 1.00000 1.28571 1.50000
0.87500 0.77778 1.00000 1.16667
0.75000 0.66667 0.85714 1.00000
2. Kuadratkan matriks dibawah ini :
1.00000 1.14286 1.60000 0.88889
3. Dari hasil pengkuadratan matriks maka
0.87500 1.00000 1.40000 0.77778
dapat diperoleh hasil
0.62500 0.71429 1.00000 0.55556
1.12500 1.28571 1.80000 1.00000
4.00000 3.55556 4.57143 5.33333
4.50000 4.00000 5.14286 6.00000
3.50000 3.11111 4.00000 4.66667
3. Dari hasil pengkuadratan matriks maka
3.00000 2.66667 3.42857 4.00000
dapat diperoleh hasil
4.00000 4.57143 6.40000 3.55556
3.50000 4.00000 5.60000 3.11111
4. Jumlahkan elemen masing-masing baris,
2.50000 2.85714 4.00000 2.22222
kemudian hasilnya dujumlahkan lagi untuk
4.50000 5.14286 7.20000 4.00000
memperoleh jumlah total dari keseluruhan
baris

4. Jumlahkan elemen masing-masing baris,


kemudian hasilnya dujumlahkan lagi untuk
memperoleh jumlah total dari keseluruhan baris

5. Hitung persentase masing-masing dengan cara


membagi total jumlah masing-masing baris
dengan jumlah total baris

5. Hitung persentase masing-masing dengan cara


17.46032 / 65.47619 (=) 0.26667
membagi total jumlah masing-masing baris
19.64286 / 65.47619 (=) 0.30000
dengan jumlah total baris
15.27778 / 65.47619 (=) 0.23333
18.52698 / 67.16032 (=) 0.27586
13.09524 / 65.47619 (=) 0.20000
16.21111 / 67.16032 (=) 0.24138
11.57937 / 67.16032 (=) 0.17241
vii. Bobot kriteria Karakter
20.84286 / 67.16032 (=) 0.31034

28
ALGORITMA: Jurnal Ilmu Komputer dan Informatika
Volume: 02, Number : 01, April 2018 ISSN 2598-6341 (online)

6. Hasil perhitungan pada point 4 diatas merupakan 5. Hitung persentase masing-masing dengan cara
eigenvektor matriks Karakter calon pasangan membagi total jumlah masing-masing baris
CP1= 0.27586 dengan jumlah total baris
CP2= 0.24138
CP3= 0.1724 18.97143 / 66.40000 (=) 0.28571
CP4= 0.31034 16.60000 / 66.40000 (=) 0.25000
18.97143 / 66.40000 (=) 0.28571
viii. Bobot kriteria Asal Usul 11.85714 / 66.40000 (=) 0.17857
1. Susun kedalam bentuk matriks nilai bobot dari
Asal Usul calon pasangan dalam bilangan 5
desimal
6. Hasil perhitungan pada point 4 diatas merupakan
eigenvektor matriks Karakter calon pasangan
CP1= 0.28571
CP2= 0.25000
CP3= 0.28571
2. Kuadratkan matriks dibawah ini : CP4= 0.17857
1.00000 1.14286 1.00000 1.60000
0.87500 1.00000 0.87500 1.40000 e. Analytic Hierarchy Proses untuk pemilihan calon
1.00000 1.14286 1.00000 1.60000 pasangan.
0.62500 0.71429 0.62500 1.00000 1. Susun kedalam matriks nilai bobot dari
keseluruhan berdasarkan pemilih calon
pasangan dan nilai bobot dari calon pasangan,
3. Dari hasil pengkuadratan matriks maka kemudian dakalikan
dapat diperoleh hasil
4.00000 4.57143 4.00000 6.40000
3.50000 4.00000 3.50000 5.60000
4.00000 4.57143 4.00000 6.40000
2.50000 2.85714 2.50000 4.00000

4. Jumlahkan elemen masing-masing baris, 2. Hasil dari perkalian matriks diatas adalah
kemudian hasilnya dijumlahkan lagi merupakan calon pasangan dengan benefit
untuk memperoleh jumlah total dari tertinggi.
keseluruhan baris CP1 0.22821
CP1 0.22490
CP3 0.21771
CP4 0.23851

29
ALGORITMA: Jurnal Ilmu Komputer dan Informatika
Volume: 02, Number : 01, April 2018 ISSN 2598-6341 (online)

Maka calon pasangan dengan benefit tertinggi Idealisasi dan Implementasi kosep pengambilan
adalah CP4 keputusan”, PT. Remaja Rosda Karya, Bandung,
3. Tahap Choice 2002.
Jadi, menurut hasil perhitungan yang 2. Turban, Efraim Aronson, Jay E, and Liang, Ting
dilakukan Peng, “Decision Support System and Intelegence
dari awal hingga akhir, serta didukung dangan Systems”. 7th Edition, jilid 1, Penerbit ANDI,
penentuan kriteria yang telah ditentukan 2005.
sebelumnya, maka disarankan untuk memilih 3. Herman, Julius, “Membangun Decision Support
calon pasangan 4 sebagai calon pasangan pilihan System”, Penerbit ANDI
utama (best choice). 4. Mulyono, S, “Teori Pengambilan Keputusan”,
Edisi Revisi, Lembaga Penerbit Facultas
Ekonomi UI, Yakarta, 1996.
5.1 Kesimpulan 5. Umar, Daihani Dan Dadan, ”Komputerisasi
Pengambilan Keputusan”, PT. Elex Media
Adapun kesimpulan yang diperoleh oleh penulis Komputindo, Jakarta, 2001.
adalah sebagai berikut : 6. Johannes Supranto, ”Teknik Pengambilan
1. Telah dapat dianalisa mengenai pengambilan Keputusan”, Rineke Cipta, Jakarta.
keputusan dengan menggunakan metode AHP 7. Ginting, Boyran, ”Sejarah Merga-merga Karo”,
untuk menentukan urutan prioritas pemilihan (http://www.tanahkaro.com/karo/sejarah-
pasangan hidup karo/116-sejarah-merga-merga-karo.html).
2. Simulasi ini juga dapat digunakan untuk
pengambilan keputusan suatu persoalan yang lain.
Interval bobot yang dipakai dalam pemilihan
pasangan ini adalah 1-9. Semakin tinggi nilai
bobot penilaian maka semakin tinggi pula nilai
kepastian yang akan diperoleh

5.2 Saran

Adapun saran yang diperoleh oleh penulis adalah


sebagai berikut :
1. Hendaknya analisa ini digunakan pada untuk
membantu mendapatkan pasangan berdasarkan
kriteria yang diinginkan.

Daftar Pustaka

1. Kadarsah, Suryadi, dan Ramdani, M.Ali, “Sistem


Pendukung Keputusan: Suatu Wacana

30