0
Latar belakang masalah
Seiring dengan pertumbuhan penduduk, kebutuhan rumah sebagai kebutuhan pokok manusia ikut pun meningkat. Banyak cara dilakukan orang untuk memenuhi kebutuhan tersebut, antara lain dengan membangun sendiri, membeli dari orang lain, atau dengan membeli rumah di suatu perumahan. Calon pembeli rumah tentu memiliki kriteria-kriteria yang menjadi pertimbangan dalam memilih suatu rumah. Banyak kriteria yang ada sering diikuti dengan tersedianya lebih dari satu pilihan rumah yang dapat memenuhi kriteria-kriteria tersebut. Oleh karena itu, penulis membuat suatu Sistem Pendukung Keputusan untuk Pembelian Rumah yang nantinya akan membantu para calon pembeli rumah dalam menetukan pilihan rumah yang akan dibelinya. Sedangkan teknik pengambilan keputusan yang digunakan dalam sistem ini adalah analytical hierarchy process (AHP). AHP adalah salah satu bentuk model pengambilan keputusan yang cocok digunakan untuk permasalahan yang multi-kriteria dan multi-alternatif dengan input utamanya adalah persepsi manusia.

Tujuan , Kriteia dan Alternatif
Tujuan sistem ini adalah untuk memiliki rumah berdasarkan kriteria – kriteria dan alternatif – alternatif sehingga diperoleh piihan yagn terbaik. Dalam penelitian ini akan digunakan 3 buah alternatif rumah, yakni Rumah A, Rumah B, dan Rumah C. Setiap alternatif rumah tersebut akan dinilai berdasarkan 4 kriteria utama, yakni Lokasi, Harga, Fasilitas, dan Developer. Dimana kriteria-kriteria tersebut akan diisi dengan persepsi dari calon pembeli rumah. Setelah kriteria-kriteria tersebut diisi, sistem pendukung keputusan akan melakukan perhitungan berdasarkan langkah-langkah perhitungan yang ada dalam metode AHP. Hasil perhitungan yang dihasilkan berupa urutan atau peringkat nilai dari alternatif-alternatif rumah yang ada.

Penjelasan dan perhitungan
Simulasi sebuah cara pemilihan rumah yang akan dibeli menggunakan metode Sistem Pendukung Keputusan AHP. Diasumsikan terdapat seorang calon pembeli rumah yang akan menentukan pilihan rumah yang dibelinya. Untuk menentukan rumah yang dibelinya, seorang calon pembeli rumah tentunya sudah mempunyai kriteria-kriteria yang akan dipertimbangkannya. Misalnya, lokasi, harga, fasilitas, dan developer. Dan setiap alternatif rumah tentunya memiliki data kriteria yang berbeda-beda.
Tabel Data kriteria dari alternatif rumah yang ada
Kriteria
Rumah A
Rumah B
Rumah C
LokasiPusat KotaPinggiran KotaPedesaaan
Harga1 Milyar500 Juta250 Juta
FasilitasListrik, Air PAM, Telepon,Kolam Renang, dan TamanListrik, Air PAM, danTamanListrik, Air Sumur, danKebun
DeveloperPT. Bangun MandiriPT. Tirta MasPT. Maju Jaya
Misalnya dari keempat kriteria yang ada, calon pembeli rumah beranggapan:
-          Lokasi lebih penting dari harga
-          Harga lebih penting dari fasilitas, dan
-          Fasilitas lebih penting dari developer
Maka matriks perbandingan berpasangan untuk kriteria yang bisa dibuat tampak seperti pada Tabel 4.

Tabel Matriks perbandingan berpasangan untuk kriteria
LokasiHargaFasilitasDeveloper
Lokasi11/31/51/7
Harga311/31/5
Fasilitas5311/3
Developer7531
Jumlah169.334.531.67
Setelah mendapat matriks perbandingan berpasangan untuk kriteria, selanjutnya dilakukan perhitungan berikut ini:
  1. Menjumlahkan nilai-nilai dari setiap kolom pada matriks.
  2. Membagi setiap nilai dari kolom dengan total kolom yang bersangkutan untuk memperoleh bobot prioritas.
  3. Menjumlahkan nilai-nilai dari setiap baris dan membaginya dengan jumlah elemen (ordo matriks) untuk mendapatkan nilai rata-rata.
Setelah melakukan perhitungan yang ada sebelumnya, maka akan diperoleh bobot prioritas.

Tabel Matriks ternomalisasi
lokasi
harga
fasilitas
developer
Bobot Prioritas
lokasi
0,062
0,035
0,044
0,085
0,056
harga
0,187
0,107
0,073
0,119
0,121
fasilitas
0,312
0,321
0,220
0,198
0,262
developer
0,437
0,535
0,662
0,596
0,557
  1. Kalikan setiap nilai pada kolom pertama dengan prioritas relatif elemen pertama, nilai pada kolom kedua dengan prioriras relatif elemen kedua, dan seterusnya.
  2. Jumlahkan setiap baris.
  3. Hasil dari penjumlahan baris dibagi dengan elemen prioritas relatif yang bersangkutan.
  4. Jumlahkan hasil bagi di atas, kemudian dibagi dengan banyaknya elemen yang ada, hasilnya disebut λ maks.
  5. Hitung Consistency Index (CI) dengan rumus:
CI = (λ maks-n)/(n-1)
dimana n = banyaknya elemen (ordo matriks)
CI= (16 x 0.056)+(9.33 x 0.121)+(4.53 x 0.262)+(1.676 x 0.557)
= 0.89 + 1.12 + 1.18 + 0.93
= 4.12
  1. Hitung Consistency Ratio (CR) dengan rumus: CR = CI/IR
Dimana CR = Consistency Ratio
CI  = Consistency Index
IR  = Index Random Consistency
CI = 4.12 – 4 / 4 – 1
= 0.12 / 3
= 0.04
CR = CI / RI
= 0.04 / 0.90
= 0.04444
  1. Memeriksa konsistensi hierarki. Jika nilainya lebih dari 10%, maka penilaian data judgment harus diperbaiki. Namun jika Consistency Ratio (CR) kurang atau sama dengan 0,1, maka hasil perhitungan bisa dinyatakan benar.
Setelah dilakukan perhitungan Consistency Ratio (CR), maka CR yang didapat adalah 0,044444 (memenuhi syarat).
Langkah berikutnya yang kita kerjakan adalah membuat matriks perbandingan berpasangan alternatif untuk kriteria lokasi. Jika calon pembeli rumah berasumsi bahwa lokasi rumah A lebih baik dari rumah B dan lokasi rumah B lebih baik dari rumah C, maka matriks perbandingan berpasangan alternatif untuk kriteria lokasi.

Tabel Matriks perbandingan berpasangan alternatif untuk kriteria lokasi
ALTERNATIF
Rumah A
Rumah B
Rumah C
Rumah A
1
3
5
Rumah B
1/3
1
3
Rumah C
1/5
1/3
1
Dari matriks pada Tabel 7, kita mendapat prioritas relatif untuk rumah A = 0,633, untuk rumah B = 0,260, dan untuk rumah C = 0,105
Setelah kita membuat matriks perbandingan berpasangan alternatif untuk kriteria lokasi, selanjutnya kita membuat matriks perbandingan berpasangan alternatif untuk kriteria harga. Jika calon pembeli rumah berasumsi bahwa harga rumah C lebih baik dari rumah B dan harga rumah B lebih baik dari rumah A, maka matriks perbandingan berpasangan alternatif untuk kriteria harga.
Tabel Matriks perbandingan berpasangan alternatif untuk kriteria harga
ALTERNATIF
Rumah A
Rumah B
Rumah C
Rumah A
1
1/3
1/5
Rumah B
3
1
1/3
Rumah C
5
3
1
Dari matriks pada Tabel 8, kita mendapat prioritas relatif untuk rumah A = 0,105, untuk rumah B = 0,260, dan untuk rumah C = 0,633.
Setelah kita membuat matriks perbandingan berpasangan alternatif untuk kriteria harga, selanjutnya kita membuat matriks perbandingan berpasangan alternatif untuk kriteria fasilitas. Jika calon pembeli rumah berasumsi bahwa fasilitas rumah A lebih baik dari rumah C dan fasilitas rumah C lebih baik dari rumah B, maka matriks perbandingan berpasangan alternatif untuk kriteria fasilitas akan tampak seperti pada Tabel 9.

Tabel  Matriks perbandingan berpasangan alternatif untuk kriteria fasilitas
ALTERNATIF
Rumah A
Rumah B
Rumah C
Rumah A
1
5
3
Rumah B
1/5
1
1/3
Rumah C
1/3
3
1
Dari matriks pada Tabel 9, kita mendapat prioritas relatif untuk rumah A = 0,633, untuk rumah B = 0,105, dan untuk rumah C = 0,260.
Setelah kita membuat matriks perbandingan berpasangan alternatif untuk kriteria fasilitas, selanjutnya kita membuat matriks perbandingan berpasangan alternatif untuk kriteria developer. Jika calon pembeli rumah berasumsi bahwa developer rumah B lebih baik dari rumah A dan developer rumah A lebih baik dari rumah C, maka matriks perbandingan berpasangan alternatif untuk kriteria developer akan tampak seperti pada Tabel 10.

Tabel  Matriks perbandingan berpasangan alternatif untuk kriteria developer
ALTERNATIF
Rumah A
Rumah B
Rumah C
Rumah A
1
1/3
3
Rumah B
3
1
5
Rumah C
1/3
1/5
1
Dari matriks pada Tabel 10, kita mendapat prioritas relatif untuk rumah A = 0,260, untuk rumah B = 0,105, dan untuk rumah C = 0,633.
Langkah terakhir yang kita lakukan adalah membuat matriks akhir penentuan bobot optimal. Data pada matriks akhir penentuan bobot optimal berasal dari data prioritas relatif pada matriks perbandingan berpasangan untuk kriteria dan matriks perbandingan berpasangan alternatif untuk kriteria lokasi, harga, fasilitas, dan developer. Hasil dari matriks akhir penentuan bobot optimal tampak pada Tabel 11.

Tabel Matriks akhir penentuan bobot optimal
PERHITUNGAN AKHIR
lokasi
0,056
harga
0,121
fasilitas
0,262
developer
0,557
BOBOT
Rumah A
0.35448
0,012705
0,165846
0,14482
0,675
Rumah B
0,1456
0,03146
0,02751
0,058485
0,261
Rumah C
0,0588
0,076593
0,06812
0,352581
0,486
BOBOT OPTIMAL/MAKSIMAL0,675
Bobot pada Rumah A didapat dari (0,056 x 0,633) + (0,121 x 0,105) + (0,262 x 0,633) + (0,557x 0,260) = 0,675. Untuk bobot pada rumah B dan C, bisa dicari dengan cara yang sama/mirip dengan yang ada pada rumah A.
Dari matriks akhir penentuan bobot optimal, maka diperoleh bobot optimal/maksimal pada Rumah A dengan nilai bobot = 0,675. Oleh karena itu, rumah yang disarankan untuk dipilih/dibeli berdasarkan persepsi yang telah dimasukkan adalah Rumah A.

SIMPULAN
Berdasarkan penelitian yang telah dilakukan, maka diambil beberapa kesimpulan sebagai berikut:
  1. Sistem Pendukung Keputusan dengan metode AHP bisa diterapkan untuk kasus pembelian rumah.
  2. Sistem Pendukung Keputusan dengan metode AHP bisa menyelesaikan permasalahan yang multi-kriteria dan multi-alternatif.
  3. Sistem Pendukung Keputusan dengan metode AHP bisa menghasilkan saran dalam pembelian rumah berdasarkan persepsi yang dimasukkan oleh calon pembeli rumah.
Sumber

Poskan Komentar

 
Top