148 Pranata, E., dkk.

: Penggunaan Nilai dan Vektor Eigen Untuk Menentukan Prioritas

Faktor-Faktor Penentu Pemilihan Tempat Makan (Restoran)

Penggunaan Nilai dan Vektor Eigen Untuk

Menentukan Prioritas Faktor-Faktor Penentu
Pemilihan Tempat Makan (Restoran)
Erick Pranata Tjwanda Putera Gunawan
Program Studi Sistem Informasi Program Studi Teknik Informatika
Sekolah Tinggi Teknik Surabaya Sekolah Tinggi Teknik Surabaya
erick@stts.edu tjwanda@stts.edu

Abstrak - Dalam memilih tempat makan (restoran) 3. Jika setelah diambil nilai rata-rata diperoleh 3,7 maka di
banyak faktor yang harus dipertimbangkan, antara lain bulatkan menjadi 4. Model kuesioner yang dibagikan sebagai
harga, rasa, kuantitas (porsi), dekor ruangan, jarak, berikut :
kepemilikan (misal milik saudara atau teman), tempat
parkir yang luas, dan pelayanan (service) yang ramah. Tabel 1. Kuesioner Penelitian
Diantara semua faktor tersebut, bagi mahasiswa- Survey Penentuan Urutan Prioritas Kriteria
mahasiswi suatu perguruan tinggi, faktor harga, rasa, Pemilihan Tempat Makan
pelayanan, dan jarak yang paling dominan untuk
Petunjuk Pengisian: Berilah tanda kriteria (A) atau kriteria
dipertimbangkan dalam membuat keputusan akan
(B) pada kolom dominan dan kode pada kolom bobot
makan dimana baik saat makan sendiri maupun
yang sesuai dengan pendapat Anda
bersama teman-teman. Penelitian ini dilakukan untuk
mengetahui diantara keempat faktor di atas (harga, rasa,
Definisi Kode :
pelayanan, dan jarak) mana yang paling dipilih oleh
1: Kedua kriteria sama-sama dominan
mahasiswa-mahasiswi tersebut. Penelitian ini dilakukan
2: Kriteria (A) sedikit lebih dominan dibanding
dengan memberikan kuesioner yang berisi perbandingan
dengan (B)
antara faktor yang satu dengan yang lain, misal antara
3: Kriteria (A) jelas lebih dominan dibanding
faktor harga dan rasa atau faktor pelayanan dan jarak
dengan (B)
dan seterusnya. Responden memberikan faktor mana
4: Kriteria (A) sangat lebih dominan dibanding
yang dipilih dan juga memberikan bobot untuk setiap
dengan (B)
pilihan. Kemudian dihitung Nilai Eigen dan keputusan
yang diambil berdasarkan vektor Eigen yang
dinormalkan yang merupakan rata-rata dari nilai Eigen Tabel 2. Perbandingan Dominan dan Nilai Bobot antara
tiap faktor terhadap faktor yang lainnya. Harga, Rasa, Service dan Jarak
Kata Kunci: Nilai Eigen, Tempat Makan, Vector Eigen. Variabel
No Kode Dominan Bobot
Faktor
A Harga
I. PENDAHULUAN 1
B Rasa
Dalam menentukan tempat makan, mahasiswa-mahasiswi
suatu perguruan tinggi selalu membandingkan suatu tempat A Harga
2
makan dengan tempat makan yang lain berdasarkan harga, B Service
rasa, pelayanan, dan jarak. A Harga
Survey berupa kuesioner diberikan kepada 28 3
B Jarak
mahasiswa-mahasiswi mengenai perbandingan antara ke
empat faktor tersebut, yaitu membandingkan harga terhadap A Rasa
4
rasa, pelayanan, dan jarak. Demikian juga rasa dibandingkan B Service
terhadap faktor pelayanan dan jarak, dan pelayanan juga A Rasa
dibandingkan dengan jarak. Data diambil rata-rata dengan 5
B Jarak
pembulatan satu desimal di belakang koma. Jika nilai di
belakang koma antara 1 sampai 4 dibulatkan ke bawah, jika A Service
6
antara 5 sampai 9 dibulatkan ke atas. Contoh jika setelah B Jarak
diambil nilai rata-rata diperoleh 3,2 maka dibulatkan menjadi Hasil survey dapat ditulis sebagai berikut :

TEKNIKA, Volume 7, Nomor 2, November 2018

ISSN 2549-8037, EISSN 2549-8045
Pranata, E., dkk. : Penggunaan Nilai dan Vektor Eigen Untuk Menentukan Prioritas 149
Faktor-Faktor Penentu Pemilihan Tempat Makan (Restoran)

Tabel 3. Hasil Survei Nilai Dominan dan Nilai Bobot antara Prodi Matematika UIN Sunan Ampel Surabaya, Balai Latihan
Harga, Rasa, Service, dan Jarak Kerja Jombang
No. Kode Variabel Dominan Bobot
Faktor
A Harga II. METODOLOGI PENELITIAN
1 A 2
B Rasa A. Matriks Positip
A Harga Sebuah matriks A berdimensi n x n dengan entri/elemen
2 A 4 bilangan real dan disebut matriks positif jika semua
B Service
entri/elemennya > 0. [1].
A Harga
3 A 3
B Jarak B. Teorema Perron – Frobenius
A Rasa Jika A matrik berdimensi n x n maka matriks A
4 A 2 mempunyai nilai Eigen real positip r dengan sifat-sifat :
B Service
a) r adalah akar sederhana dari persamaan
A Rasa karakteristik.
5 A 3
B Jarak b) r mempunyai vektor Eigen positip
A Service c) Jika λ adalah sembarang nilai Eigen lainnya dari A, maka
6 A 4 |λ| < r.
B Jarak
C. Nilai Eigen dan Vektor Eigen
Data ditampilkan dalam matriks dengan kriteria harga
Diberikan matriks A berdimensi nxn, maka vektor tak nol
penting 2 kali dari rasa dan kriteria harga lebih dominan 4
kali dari service, sehingga pada tempat rasa dan harga di isi x∈Rn disebut vektor karakteristik (eigen vector) dari matriks
1/2. A. [2]. Jika berlaku Ax = λx untuk suatu skalar λ, maka λ
disebut nilai karakteristik (eigen value) dari matriks A. [3].
Tabel 4. Penilaian Dari Semua Faktor
Harga Rasa Service Jarak Ax = λx.............................................................................. (1)
Harga 1 2 4 3 Ax - λx = 0......................................................................... (2)
Rasa 1/2 1 2 3 (A - λI)x = 0....................................................................... (3)
Service 1/4 1/2 1 4
Jarak 1/3 1/3 1/4 1 Vektor karakteristik merupakan solusi non trivial (solusi
yang tidak semuanya nol) dari (A - λI)x = 0 Agar diperoleh
Dengan skala penilaian sebagai berikut : solusi non trivial maka:

Tabel 5. Skala Penilaian Det (A - λI) = 0...................................................................(4)

Nilai Keterangan
dimana Det (A - λI) = 0 disebut persamaan karakteristik. [4].
1 Faktor A sama dominannya dengan
Contoh: Tentukan nilai eigen dan vektor eigen dari
faktor B
2 Faktor A sedikit lebih dominan dari
faktor B 1 0 0
matriks A =  
3 Faktor A jelas lebih dominan dari 0 1 0
faktor B 0 0 0
 
4 Faktor A pasti sangat jelas lebih Penyelesaian:
dominan dari faktor B
Kebalikan Jika mendapat A terhadap B, maka B  1 0 0   λ 0 0  1 − λ 0 0 
     
terhadap A adalah 1/a. 0 1 0 − 0 λ 0 =  0 1−λ 0 
0 0 0 0 0 λ   0 0 − λ 
Untuk mahasiswa-mahasiswi faktor harga adalah sedikit     
lebih dominan dari rasa sehingga bernilai 2 dan harga pasti
sangat jelas lebih dominan daripada service, sehingga bernilai 1−λ 0 0
4. 0 1−λ 0 =0
Contoh penelitian sejenis diambil dari artikel Aplikasi 0 0 −λ
Metode Nilai Eigen Dalam Analytical Hierarchy Process
Untuk Memilih Tempat Kerja yang dibuat oleh Moh.
(1-λ) (1-λ) (-λ) = 0
Hafiyusholeh, Ahmad Hanif Asyhar, dan Ririn Komaria,
Jadi persamaan karakteristik: (1-λ) (1-λ) (-λ) = 0.

TEKNIKA, Volume 7, Nomor 2, November 2018

ISSN 2549-8037, EISSN 2549-8045
150 Pranata, E., dkk. : Penggunaan Nilai dan Vektor Eigen Untuk Menentukan Prioritas
Faktor-Faktor Penentu Pemilihan Tempat Makan (Restoran)

Akar-akar polinomial karakteristik: λ1 = 0, λ2 = λ3 = 1 Maka rating ternormalisasi adalah sebagai berikut :

Jadi nilai eigen matriks A adalah 0 dan 1. rAP = 3/11 rAQ = 5/13 rAR = 3/19
Untuk λ=0, vektor eigen yang bersesuaian dengan λ=0
adalah : rBP = 2/11 rBQ = 1/13 rBR = 5/19

1 − λ 0 0  1 0 0 rCP = 4/11 rCQ = 2/13 rCR = 6/19

   
A-λI =  0 1−λ 0  = 0 1 0
 0 rDP = 2/11 rDQ = 5/13 rDR = 5/19
 0 − λ   0 0 0 
sehingga hasil rating ternormalisasi adalah :
(A-λI) x = 0
Tabel 7. Hasil Rating Ternormalisasi
 1 0 0   x1   0  Alternatif P Q R
     
 0 1 0   x2  =  0  A 0.273 0.385 0.158
0 0 0  x  0 B 0.182 0.077 0.263
   3   C 0.364 0.154 0.316
D 0.182 0.385 0.263
Jadi x1 = 0, x2 = 0, x3 = a, a ≠ 0, a∈R
Untuk mencari vektor Eigen dari tiap alternatif adalah
0 sama dengan mencari nilai rata-rata dari tiap baris :
  - Baris A : ( 0.273 + 0.385 + 0.158 ) / 3 = 0.272
Jadi x= 0 merupakan vektor eigen yang - Baris B : ( 0.182 + 0.077 + 0.263 ) / 3 = 0.174
a - Baris C : ( 0.364 + 0.154 + 0.316 ) / 3 = 0.278
 
- Baris D : ( 0.182 + 0.385 + 0.263 ) / 3 = 0.277
berkorespondensi dengan λ=0 Sehingga dapat dibuat table vektor Eigen:
Dengan cara yang sama, untuk λ = 1, vektor Eigen yang
Tabel 8. Vektor Eigen
b
  Vektor
bersesuaian dengan λ = 1 adalah :  c  Alternatif P Q R
Eigen
0
  A 0.273 0.385 0.158 0.272
B 0.182 0.077 0.263 0.174
D. Metode Simple Additive Weighting (SAW)
Metode Simple Additive Weighting (SAW) atau disebut C 0.364 0.154 0.316 0.278
juga metode penjumlahan terbobot adalah mencari D 0.182 0.385 0.263 0.277
penjumlahan terbobot dari rating kinerja pada setiap
alternatif pada semua atribut [5]. Metode ini hanya yang 1 1 1 1
menghasilkan nilai terbesar yang akan terpilih sebagai
alternatif yang terbaik. Metode ini membutuhkan proses Nilai terbesar adalah alternatif C sehingga alternatif C adalah
normalisasi matriks keputusan (X) ke suatu skala yang dapat pilihan terbaik.
diperbandingkan dengan semua rating alternatif yang ada :

III. HASIL DAN PEMBAHASAN

…………………………………….………. (5)
Dari Tabel 4 akan dicari nilai Eigen dengan cara nilai
pada setiap kolom dibagi dengan jumlah semua nilai pada
r i j = nilai rating kinerja yang ternormalisasi kolom yang bersangkutan (normalisasi):
x i j = nilai atribut yang dimiliki setiap kriteria 1. Untuk baris harga dan kolom harga:
Maxxij = nilai penjumlahan atribut terhadap jumlah semua diperoleh : = 0.480,
atribut pada kolom yang bersangkutan.
2. Untuk baris harga dan kolom rasa:
Tabel 6. Contoh Tabel Data diperoleh : = 0.552,
Alternatif P Q R
A 3 5 3 3. Untuk baris harga dan kolom service:
B 2 1 5 diperoleh : = 0.552,
C 4 2 6 4. Untuk baris harga dan kolom jarak:
D 2 5 5
diperoleh : = 0.273,

TEKNIKA, Volume 7, Nomor 2, November 2018

ISSN 2549-8037, EISSN 2549-8045
Pranata, E., dkk. : Penggunaan Nilai dan Vektor Eigen Untuk Menentukan Prioritas 151
Faktor-Faktor Penentu Pemilihan Tempat Makan (Restoran)

5. Untuk baris rasa dan kolom harga: Hasil perhitungan vector Eigen di atas dapat ditabelkan
sebagai berikut:
diperoleh : = 0.240,
6. Untuk baris rasa dan kolom rasa: Tabel 10. Vektor Eigen yang Dinormalisasi.
V.
diperoleh : = 0.261, Harga Rasa Service Jarak
Eigen
7. Untuk baris rasa dan kolom service: Harga 0.480 0.522 0.552 0.273 0.457
diperoleh : = 0.276, 0.240 0.261 0.276 0.273 0.262
Rasa
8. Untuk baris rasa dan kolom jarak: Service 0.120 0.130 0.138 0.364 0.188
diperoleh : = 0.273,
Jarak 0.160 0.087 0.034 0.091 0.093
9. Untuk baris service dan kolom harga:
1 1 1 1 1
diperoleh : = 0.120,
10. Untuk baris service dan kolom rasa: Dari hasil perhitungan pada tabel 10 di atas menun-jukkan
bahwa: kriteria harga merupakan kriteria yang paling
diperoleh : = 0.130, dominan nilai bobot 0,457 atau 45,7%.
11. Untuk baris dan kolom service: Jika dibandingkan dengan referensi penelitian
sebelumnya, yang membahas pilihan siswa SMK Negeri I
diperoleh : = 0.138,
Jombang, untuk memilih tempat bekerjadi Badan Usaha,
12. Untuk baris service dan kolom jarak: mereka dihadapkan pada berbagai kriteria yang perlu
diperoleh : = 0.364, dipertimbangkan, yaitu kriteria karir, gaji, fasilitas dan lokasi
[6]. Hasil penelitian menunjukkan bahwa kriteria yang paling
13. Untuk baris jarak dan kolom harga:
penting bagi siswa yang ingin bekerja di Badan Usaha
diperoleh : = 0.160, dengan nilai bobot 0,412 atau 41,2%, berikutnya adalah
kriteria gaji dengan nilai bobot 0,377 atau 37,7%, kemudian
14. Untuk baris jarak dan kolom rasa: kriteria fasilitas dengan nilai bobot 0,138 atau 13,8%
diperoleh : = 0.087, sedangkan kriteria lokasi dengan nilai bobot 0,073 atau 7,3%.

15. Untuk baris jarak dan kolom service:

IV. KESIMPULAN
diperoleh : = 0.034,
Dari pembahasan di atas, maka harga adalah faktor yang
16. Untuk baris jarak dan kolom jarak: dominan/terpenting untuk memilih tempat makan bagi
diperoleh : = 0.091. mahasiswa-mahasiswi suatu perguruan tinggi yaitu
Perhitungan di atas dapat ditabelkan sebagai berikut : sebanyak 45.7 %, disusul dengan faktor rasa sebanyak 26.2
%, faktor service sebanyak 18.8 % dan terakhir faktor jarak
Tabel 9. Nilai Eigen yang Dinormalisasi. sebanyak 9,3 %.
Harga Rasa Service Jarak
Harga 0.480 0.522 0.552 0.273 REFERENSI
Rasa 0.240 0.261 0.276 0.273 [1] Getut. (2014). Matriks Gramian dan Matriks Definit
Service 0.120 0.130 0.138 0.364 Positif. Diakses dari: http://getut.staff.uns.ac.id/files/.
[2] Leon, S.J. (1998). Aljabar Linear dan Aplikasinya.
Jarak 0.160 0.087 0.034 0.091 Jakarta: Penerbit Erlangga.
[3] Anton, H. (2000). Dasar-dasar Aljabar Linear Edisi
Ketujuh Jilid 1. Jakarta: Penerbit Interaksa.
Vektor Eigen diperoleh dari rata-rata tiap baris. [4] Yess24. (2010). Bab 5 Eigen. Diakses dari:
- Untuk baris harga diperoleh vector Eigen : https://yess24.files.wordpress.com/2010/05/Bab_5_eige
(0.480 + 0.522 + 0.552 + 0.273) / 4 = 0.457. n.doc
- Untuk baris rasa diperoleh vector Eigen : [5] Prasetyo, E. (2010). Analytic Hierarchy Process
(0.240 + 0.261 + 0.276 + 0.273) / 4 = 0.262 (AHP). Diakses dari: https://myteks.wordpress.com/
- Untuk baris service diperoleh vector Eigen : 2010/02/01/
(0.120 + 0.130 + 0.138 + 0.364) / 4 = 0.188. [6] Hafiyusholeh, M., Asyhar, A.H., Komaria, R. (2015).
- Untuk baris jarak diperoleh vector Eigen : Penggunaan Nilai Dan Vektor Eigen Untuk Memilih
(0.160 + 0.087 + 0.034 + 0.091) / 4 = 0.093 Tempat Kerja. Jurnal Matematika Mantik, Vol. 1, No.
1, Agustus 2015, pp. 6-16.

TEKNIKA, Volume 7, Nomor 2, November 2018

ISSN 2549-8037, EISSN 2549-8045