Analisis Multivariat (skripsi dan tesis)

Analisis statistika multivariat merupakan analisis statistika yang digunakan untuk menguji hubungan antar variabel secara bersamaan. Apabila hasil pengamatan tersebut merupakan kumpulan beberapa variabel acak yang saling berkorelasi maka analisis semacam ini akan diperlukan untuk mengamati gejala yang mungkin terjadi dari data hasil pengukuran tersebut. Oleh karena itu, analisis tersebut dinamakan analisis multivariat (Johnson & Wichern, 2007: 1). Analisis statistika multivariat muncul sebagai jawaban atas kekurangan dari analisis statistika univariat pada pengamatan yang merupakan kumpulan dari beberapa variabel acak. Apabila dianalisis dengan univariat maka hasil yang diperoleh mungkin menyesatkan. Hal ini karena analisis univariat melakukan uji terhadap masing-masing variabel acak secara terpisah dan tidak memperhitungkan kemungkinan adanya korelasi antara beberapa variabel acak. Analisis multivariat melibatkan data hasil pengukuran secara bersamaan, sehingga sebagian besar teknik analisis multivariat ini mensyaratkan operasi matriks dalam setiap perhitungannya

Model Persamaan Struktural (skripsi dan tesis)

Persamaan struktural atau juga disebut model struktural yaitu apabila setiap variabel endogen (endogenous) secara unik keadaannya ditentukan oleh seperangkat variabel eksogen (exogenous). Selanjutnya gambar meragakan struktur hubungan kausal antar variabel disebut diagram jalur. Jadi, persamaan ini Y=F(X1; X2; X3) dan Z=F(X1; X3;Y) merupakan persamaan struktural karena setiap persamaan menjelaskan hubungan kausal yaitu variabel eksogen X1, X2, dan X3 terhadap variabel endogen Y dan Z

Persamaan model struktural untuk diagram jalur, yaitu: Jadi, secara sistematik analisis jalur mengikuti pola model struktural, sehingga langkah awal untuk mengerjakan atau penerapan model analisis jalur yaitu dengan merumuskan persamaan struktural dan diagram jalur yang berdasarkan kajian teori tertentu yang telah diuraikan.

Model Analisis Jalur (skripsi dan tesis)

Sebelum menghitung koefisien jalur yang didasarkan pada koefisien regresi, diagram jalur terlebih dahulu dibuatkan dengan lengkap. Adapun model diagram jalur dan persamaan struktural yang paling sederhana sampai dengan yang lebih rumit di antaranya:
 1. Model Regresi Berganda Model ini merupakan pengembangan regresi berganda dengan menggunakan dua variabel exogenous, yaitu X1 dan X2 dengan satu variabel endogenous Y.

2. Model Mediasi Model mediasi atau perantara di mana variabel Y memodifikasi pengaruh variabel X terhadap variabel Z
3. Model Kombinasi Model ini merupakan kombinasi model regresi berganda dan model mediasi, yaitu variabel X berpengaruh terhadap variabel Z secara langsung dan secara tidak langsung mempengaruhi variabel Z melalui variabel Y
4. Model Kompleks Model ini merupakan model yang lebih kompleks, yaitu variabel X1 secara langsung mempengaruhi variabel Y2 dan melalui variabel X2 secara tidak langsung mempengaruhi Y2, sementara variabel Y2 juga dipengaruhi oleh variabel Y
5. Model Rekursif dan Model Non RekursifDari sisi pandang arah sebab-akibat, ada dua tipe model jalur, yaitu rekursif dan non rekursif. Model tersebut dapat diterangkan sebagai berikut: – Anak panah menuju satu arah, yaitu dari 1 ke 2, 3, dan 4; dari 2 ke 3 dan dari 3 menuju ke 4. Tidak ada arah yang terbalik, misalnya dari 4 ke 1. – Hanya terdapat satu variabel exogenous, yaitu 1 dan tiga variabel endogenous, yaitu 2, 3, dan 4. Masing-masing variabel endogenous diterangkan oleh variabel 1 dan error (e1, e2, e3). – Satu variabel endogenous dapat menjadi penyebab variabel endogenous lainnya, tetapi bukan ke variabel exogenous. Model non rekursif terjadi jika anak panah tidak searah atau terjadi arah yang terbalik (looping), misalnya dari 4 ke 3 atau dari 3 ke 1 dan 2, atau bersifat sebabakibat (reciprocal cause). Ada tiga tipe model dalam model rekursif dan non rekursif, yaitu:
a). Model persamaan satu jalur
b). Model persamaan dua jalur
c). Model persamaan tiga jalur

Beberapa Istilah dalam Analisis Jalur (skripsi dan tesis)

Model jalur adalah ialah suatu diagram yang menghubungkan antara variabel bebas, perantara dan terikat. Pola hubungan ditunjukkan dengan menggunakan anak panah. Anak panah-anak panah tunggal menunjukkan hubungan sebabakibat antara variabel-variabel bebas (exogenous) atau perantara dengan satu variabel dengan variabel terikat atau lebih. Anak panah juga menghubungkan kesalahan (variable residue) dengan semua variabel terikat (endogenous) masingmasing. Anak panah ganda menunjukkan korelasi antara pasangan variabelvariabel exogeneus. Variabel exogenous dalam suatu model jalur ialah semua variabel yang tidak ada penyebab-penyebab eksplisitnya atau dalam diagram tidak ada anak-anak panah yang menuju ke arahnya, selain pada bagian kesalahan pengukuran. Jika antara variabel exogenous dikorelasikan maka korelasi tersebut ditunjukkan dengan anak panah dengan kepala dua yang menghubungkan variabel-variabel tersebut. Variabel endogenous ialah variabel yang mempunyai anak-anak panah menuju ke arah variabel tersebut. Variabel yang termasuk di dalamnya ialah mencakup semua variabel perantara dan terikat. Variabel perantara endogenous   mempunyai anak panah yang menuju ke arahnya dan dari arah variabel tersebut dalam suatu model diagram jalur. Adapun variabel tergantung hanya mempunyai anak panah yang menuju ke arahnya. Koefisien jalur adalah koefisien regresi standar atau disebut „beta‟ yang menunjukkan pengaruh langsung dari suatu variabel bebas terhadap variabel terikat dalam suatu model jalur tertentu. Oleh karena itu, jika suatu model mempunyai dua atau lebih variabel-variabel penyebab, maka koefisien-koefisien jalurnya merupakan koefisien-koefisien regresi parsial yang mengukur besarnya pengaruh satu variabel terhadap variabel lain dalam suatu model jalur tertentu yang mengontrol dua variabel lain sebelumnya dengan menggunakan data yang sudah distandarkan atau matriks korelasi sebagai masukan. Jenis pengaruh dalam analisis jalur yaitu Direct Effect (DE) dan Indirect Effect (IE). Direct Effect (DE) adalah pengaruh langsung yang dapat dilihat dari koefisien dari satu variabel ke variabel lainnya, dan Indirect Effect (IE) adalah urutan jalur melalui satu atau lebih variabel perantara

Manfaat Analisis Jalur (skripsi dan tesis)

Manfaat model analisis jalur di antaranya adalah: 1. Untuk penjelasan terhadap fenomena yang dipelajari atau permasalahan yang diteliti.   2. Prediksi nilai variabel terikat (Y) berdasarkan nilai variabel bebas (X), dan prediksi dengan analisis jalur ini bersifat kualitatif. 3. Faktor dominan terhadap variabel terikat (Y) dapat digunakan untuk menelusuri mekanisme pengaruh variabel bebas (X) terhadap variabel (Y). 4. Pengujian model mengggunakan teori trimming baik untuk uji reliabilitas konsep yang sudah ada ataupun uji pengembangan konsep baru

Asumsi-asumsi Analisis Jalur (skripsi dan tesis)

Sebelum melakukan analisis, ada beberapa prinsip dasar atau asumsi yang mendasari analisis jalur, yaitu: 1. Pada model analisis jalur, hubungan antar variabel adalah bersifat linier, adaptif, dan bersifat normal. 2. Hanya sistem aliran kausal ke satu arah artinya tidak ada arah kausalitas yang berbalik. 3. Variabel terikat (endogen) minimal dalam skala ukur interval dan ratio. 4. Menggunakan sampel probability sampling yaitu teknik pengambilan sampel untuk memberikan peluang yang sama pada setiap anggota populasi untuk dipilih menjadi anggota sampel. 5. Variabel observasi diukur tanpa kesalahan (instrumen pengukuran valid dan reliabel) artinya variabel yang diteliti dapat diobservasi secara langsung. 6. Model yang dianalisis dispesifikasikan (diidentifikasi) dengan benar berdasarkan teori-teori dan konsep-konsep yang relevan artinya model teori yang dikaji atau diuji dibangun berdasarkan kerangka teoritis tertentu yang mampu menjelaskan hubungan kausalitas antar variabel yang diteliti.

Pengertian Analisis Jalur (skripsi dan tesis)

Analisis jalur dikenal dengan path analysis dikembangkan pertama tahun 1920-an oleh seorang ahli genetika yaitu Sewall Wright. Analisis jalur sebenarnya sebuah teknik yang merupakan pengembangan korelasi yang diurai menjadi beberapa interpretasi akibat yang ditimbulkannya. Teknik ini juga dikenal sebagai model sebab-akibat (causing modeling). Definisi analisis jalur, di antaranya: “Analisis jalur ialah suatu teknik untuk menganalisis hubungan sebab akibat yang terjadi pada regresi berganda jika variabel bebasnya mempengaruhi variabel tergantungnya tidak hanya secara langsung, tetapi juga secara tidak langsung” (Robert D. Rutherford, 1993). Definisi lain mengatakan “Analisis jalur merupakan pengembangan langsung bentuk regresi berganda dengan tujuan untuk memberikan estimasi tingkat kepentingan (magnitude) dan signifikansi (significance) hubungan sebab akibat hipotetikal dalam seperangkat variabel” (Paul Webley, 1997). Model analisis jalur digunakan untuk menganalisis pola hubungan antar variabel dengan tujuan untuk mengetahui pengaruh langsung maupun tidak langsung seperangkat variabel bebas (eksogen) terhadap variabel terikat (endogen). Model analisis jalur yang dibicarakan adalah pola hubungan sebab akibat. Oleh karena itu rumusan masalah penelitian dalam kerangka analisis jalur hanya berkisar pada variabel bebas (X1, X2, …, Xk) berpengaruh terhadap variabel terikat Y, atau berapa besar pengaruh kausal langsung, kausal tidak langsung,   kausal total maupun simultan seperangkat variabel bebas (X1, X2, …, Xk) terhadap variabel terikat Y

Analisis Cluster (Hierarchical Cluster) (skripsi dan tesis)

Proses clustering dengan menggunakan prosedur hierarki didasari konsep “treelike structure“. Konsep ini dimulai dengan menggabungkan dua obyek yang paling mirip, kemudian gabungan dua obyek tersebut akan bergabung lagi dengan satu atau lebih obyek yang paling mirip lainnya. Demikian seterusnya sehingga ada semacam hierarki (urutan) dari obyek yang membentuk kelompok (cluster). Urutan–urutan tersebut dapat dianalogikan seperti pohon (treelike) yang dimulai dari akar, batang, dahan, daun, dan seterusnya, yang bercabang–cabang. Secara logika proses clustering tersebut pada akhirnya akan menggumpal menjadi satu cluster besar yang mencakup semua obyek. Metode ini disebut sebagai metode agglomerasi (agglomerative Methods), yaitu metode atau cara pembuatan cluster yang dimulai dari dua atau lebih variabel yang paling mirip membentuk satu cluster, kemudian cluster memasukan lagi satu variabel yang paling mirip. (S. Singgih, Tjiptono Affandi, 2001, Riset Pemasaranan Konsep dan Aplikasi Dengan SPSS : hal 74). Pada proses penentuan peer groups dari unit yang tidak efisien, diperlukan metode yang dapat membantu dalam pengelompokan dari unit-unit yang memiliki karakteristik yang sama. Metode yang digunakan untuk ini adalah Hierarchical Cluster Analysis (HCA). Konsep dasar dari HCA ini adalah proses clustering dengan menggunakan hierarki didasari dengan konsep “treelike structure”. Konsep ini dimulai dengan menggabungkan dua objek yang mirip kemudian gabungan dua objek tersebut akan bergabung lagi dengan objek yang satu atau lebih objek yang paling mirip lainnya dan demikian seterusnya sehingga ada semacam hierarki dan objek yang membentuk cluster, urut-urutan tersebut bisa dianalogikan sebagai pohon yang bercabang-cabang mulai dari akar, daun, dahan dan seterusnya. Secara logika proses clustering tersebut akan membentuk satu cluster besar yang mencakup keseluruhan objek. Metode ini disebut sebagai “agglomerative methods” yang akan digambarkan secara diagram yang disebut sebagai dendogram. (S. Singgih, Tjiptono Affandi, 2001, Riset Pemasaranan Konsep dan Aplikasi Dengan SPSS : hal 74). Kelebihan-kelebihan yang dimiliki HCA technique mendukung dalam perhitungan DEA , antara lain: 1. Hierarchical Cluster Analysis disesuaikan untuk menyelesaikan persamaan yang terdiri atas output jamak maupun input jamak. 2. Dapat membantu dalam pembuktian keabsahan penelitian yang memiliki sampel penelitian yang keci3. Mengelompokkan unit-unit yang berkarakteristik sama secara statistik sehingga memudahkan dalam pembentukan peer group bagi unit yang tidak efisien. 4. Memperbaiki DEA origin karena dapat menggantikan asumsi umum DEA bahwa data penelitian dianggap representatif terhadap penelitian yang akan dilakukan, sehingga memudahkan dalam penentuan unit yang efisien maupun yang tidak efisien.

Aplikasi Data Envelopment Analysis (DEA) (skripsi dan tesis)

Data Envelopment Analysis (DEA) dapat digunakan dalam berbagai cara untuk memperbaiki produktivitas suatu unit dan untuk menentukan bagaimana unit dapat menjadi lebih efisien. Beberapa pemakaian DEA tersebut antara lain adalah peer group, identifikasi operasi yang efisien, penentuan target (target setting), identifikasi strategi yang efisien dan memonitor perubahan efisien setiap waktu

Model Variabel Return to Scale ( VRS ) (skripsi dan tesis)

 Asumsi Constant Return to Scale hanya tepat ketika semua unit dioperasikan pada skala optimal. Namun, karena kompetisi yang tidak sempurna, keterbatasan dana dan lain–lain, mungkin menyebabkan unit tidak beroperasi secara optimal. Untuk mengatasi masalah ini, model DEA dengan Variable Return to Scale (VRS) telah dikembangkan dimana variabel technical efficiency yang dipengaruhi oleh scale efficiency pada model CRS akibat ada unit yang tidak beroperasi secara optimal dapat diatasi. Hal ini dilakukan dengan menambah konstrain konveksitas.
Perbedaan antara model CRS dan model VRS adalah ditunjukan pada lj saat ini yang dibatasi sama dengan 1. Pada model VRS ini ditambahkan sebuah kendala pada model VRS dual (model primal tidak dibahas lagi karena membutuhkan penyelesaian yang lebih runit, yaitu lebih banyak kendala, namun memberikan hasil yang sama dengan model dualnya). Kendala yang ditambahkan adalah å =l j j 1 yang tidak terdapat pada model CRSKendala ini mengakibatkan didapatkannya nilai efisiensi yang lebih tinggi daripada model CRS, karena pada model CRS tidak hanya dihasilkan efisiensi teknis murni tetapi juga mengikutsertakan skala ketidakefisienan (scale unefficien) sedangkan yang diukur oleh model VRS adalah efisiensi murni. Inilah efek dari menghilangkan batasan tersebut pada model CRS yang mengharuskan DMU–DMU pada scale efficient. Sehingga konsekuensinya model VRS mengijinkan variabel kembali pada bentuk skala dan hanya mengukur technical efficiency untuk tiap DMU. Jadi, untuk DMU yang dipertimbangkan menjadi efisien secara CCR, DMU tersebut harus memenuhi Scale Efficiency dan Technical Efficiency. Sedangkan untuk DMU yang dipertimbangkan menjadi efisien secara VRS, hanya membutuhkan efisien secara teknis (Technical Efficiency)

Model Constant Return to Scale (CRS) (skripsi dan tesis)

Technical Efeciency (TE) berkaitan dengan penggunaan sumber daya manusia, kapital, mesin sebagai input untuk memproduksi output relative terhadap performansi terbaik DMUs dalam suatu sample (Bhat,1997). Model prima DEA yang pertama digunakan, dikenal dengan model Constant Return to Scale (CRS) yang berasumsi bahwa setiap DMUs telah beroperasi pada skala optimal. Model awal yang digunakan dikenal dengan rasio CCR, merupakan persamaan non linier
Sasaran persamaan  adalah untuk menentukan jumlah terbesar output yang dibobotkan dari DMUk dengan menjaga jumlah dari input yang dibobotkan pada suatu DMU agar rasio antara output yang dibobotkan dengan input yang dibobotkan kurang dari atau sama dengan satu. Nilai efisiensi teknis dalam DEA tidak hanya mengidentifikasikan unit yang tidak efisien, tapi juga derajat ketidakefisiennya. Analisa ini menjelaskan bagaimana unit yang tidak efisien menjadi efisien dengan memberikan prosentase penurunan input (input-oriented DEA) untuk memproduksi output yang sama atau memberikan prosentase penambahan output (output-oriented DEA) untuk sejumlah unit yang sama

Model Matematis DEA (skripsi dan tesis)

Data Envelopment Analysis (DEA) dikembangkan sebagai perluasan dari metode rasio teknik klasik untuk efisiensi. DEA menentukan rasio maksimal untuk tiap DMU dari jumlah output yang diberi bobot terhadap jumlah input yang diberi bobot, dengan bobot ditentukan oleh model. Ada dua dasar model DEA yang dikembangkan oleh ahli antara lain ialah : a. Charnes, Cooper dan Rhodes (1978) menggunakan teknik multiple output dan multiple input Costant Return to Scale (CRS) dan pengembangan CRS Model. b. Banker, R., D Charnes, A. dan W. W. Cooper (1985 ) memperkenalkan model Variabel Return to Scale (VRS).

Kelebihan dan Kekurangan DEA (skripsi dan tesis)

Kelebihan DEA : 1. DEA dapat mengakomodasi banyak input dan output.2. DEA tidak memerlukan asumsi dari bentuk fungsional dalam hubungan input dengan output. 3. DEA mengakomodasikan input dan output dapat memiliki nilai unit yang berbeda atau dapat memiliki banyak dimensi yang berbeda. 4. DMU dapat dibandingkan secara langsung pada peer atau kombinasi peer, sedangkan metode lain memerlikan rataan statistik unit lain. 5. Mampu memberikan penilaian tunggal berupa penilaian efisiensi relatif sejumlah DMU yang memiliki banyak input dan outputnya. Kekurangan DEA : 1. Karena DEA adalah teknik nilai ekstrem, error pengukuran dapat menyebabkan masalah yang signifikan. 2. Bersifat sample specific (DEA berasumsi bahwa setiap input atau output identik dengan unit lain dalam tipe yang sama). 3. DEA bagus untuk mengestimasi relatif efisiensi DMU, tetapi tidak absolut efisiensi. 4. Karena DEA adalah non-parametik, maka tes hipotesis statistik sulit dilakukan. 5. Karena Linier Programming harus dipecahkan untuk setiap DMU, masalah ini harus dilakukan secara komputerisasi.

Penggunaan DEA (skripsi dan tesis)

DEA dapat digunakan lebih dari sekedar menentukan efisiensi relatif unit yang dievaluasi, akan tetapi juga dapat digunakan untuk menentukan antara lain : 1. Peer Group 2. DEA mengidentifikasi sekelompok unit efisien yang digunakan sebagai benchmark untuk improvement. Sebuah peer group memiliki kombinasi yang sama dengan unit yang tidak efisien, sehingga bermanfaat dalm mengidentifikasi faktor yang menyebabkan ketidakefisienan. Peer Group juga akan memberikan contoh yang baik mengenai proses operasi untuk meningkatkan performansi unit yang tidak efisien. 3. Identifikasi operasi yang efisien 4. Identifikasi operasi yang efisien akan meningkatkan efisiensi unit yang relatif tidak efisien. Unit yang efisien merupakan contoh operasi yang baik, namu diantara unit yang efisien terdapat unit yang lebih baik. Membedakan antara  unit yang relatif efisien untuk menemukan praktek operasi yang baik dapat dilakukan, antara lain dengan adanya pembatasan bobot. Hal ini untuk menjamin agar unit yang dinilai relatif efisien karena sifatnya yang relatif efisien bukan dari kombinasi bobotnya. Metode yang dapat digunakan antara unit yang relatif efisien adalah cross efficiency matrix, distrubusi input dan output virtual dan pembatasan bobot. 5. Penentuan target. 6. Sebuah unit yang relatif tidak efisien harus menentukan target tertentu untuk meningkatkan performansinya. 7. Prioritas peningkatan salah satu input atau output dengan menjaga agar input atau output lain tidak terganggu. 8. Menentukan target ideal untuk unit tertentu. 9. Penentuan slack excess input dari inefficient DMU, yaitu menentukan berapa kelebihan atau kekurangan input dari DMU yang tidak efisien, didapatkan dari selisih antara target input dengan yang dimiliki oleh DMU inefficient. 10. Penentuan deficient surplus output dari inefficient DMU, yaitu untuk menentukan berapa kelebihan atau kekurangan output dari DMU yang tidak efisien, didapatkan dari selisih antara target output dengan output saat ini yang dihasilkan oleh DMU inefficient.

Pengertian DEA (skripsi dan tesis)

Data Envelopment Analysis adalah linier programming yang berbasis pada pengukuran tingkat performansi suatu efisien dari suatu organisasi dengan menggunakan Decision-making Units (DMUs). Unit-unit yang digunakan dalam DEA disebut sebagai DMU. Teknik ini dapat digunakan untuk mengetahui seberapa efisien sebuah DMUs digunakan dengan pemanfaatan peralatan yang ada untuk dapat menghasilkan output yang maksimum (Charnes et al.1978).Beberapa kegiatan yang dapat diukur performansinya seperti : · Kegiatan dalam sebuah universitas, yaitu dengan cara membanndingkan kegiatan-kegiatan yang ada dalam tiap jurusan sehingga dapat diketahui jurusan mana yang tingkat efisiensinya paling baik. Jurusan yang nilai efisiensinya tidak sama dengan 1 dapat melakukan proses belajar dengan mengacu pada jurusan yang nilai efisiensinya
1. · Kegiatan dalam sebuah bank, yaitu dengan cara membandingkan cara kerja antar anak cabang dalam suatu bank sehingga dapat diketahui anak cabang mana yang cara kerjanya paling baik (yang efisiensinya bernilai 1). Anak cabang lain yang efisiensinya dibawah 1 dapat melakukan benchmarking ke anak cabang perusahaan yang efisiensinya bernilai 1. Kebanyakan input dari suatu organisasi berupa data yang sulit untuk diukur performansi efisiensinya, akan tetapi akan lebih muda mengukurnya dari segi profit tahunan ataupun stok barang dalam organisasi tersebut. Suatu input dan output dari suatu organisasi dapat bervariasi jumlah dan jenisnya, hal ini dapat diatasi dengan cara menentukan rasio dari perbandingan total output dengan total input. Efisiensi yang ditentukan dengan metode DEA adalah suatu nilai yang relatif dan bukan merupakan suatu nilai mutlak yang dapat dicapaioleh suatu organisasi. DMUs yang memiliki performansi paling baik dapat diberi skor 100% dan DMUs lain yang performansinya berada dibawahnya memiliki skor bervariasi yaitu antara 0%-100% sesuai perbandingannya dengan DMUs yang terbaik.Istilah-istilah yang dipakai dalam DEA yaitu : · Input Sesuatu yang dibutuhkan untuk kemudian diolah menjadi suatu produk yang bernilai. · Output Sesuatu yang dapat dihasilkan dari sejumlah input yang tersedia · Unit Sesuatu yang dinilai dan dibandingkan antar input dan output sehingga diperoleh nilai efisiensi relatifnya. · Efisiensi relatif Efisiensi suatu unit bila dibandingkan dengan unit-unit lain yang memiliki input dan output dengan jenis yang sama dalam treatment tertentu. · Bobot Pemberian nilai untuk suatu faktor yang memberikan makna bahwa faktor tersebut mempengaruhi efisiensi sebesar nilai bobotnya.

Pengukuran Efisiensi (skripsi dan tesis)

Pengukuran efesiensi dapat dilakukan melalui tiga pendekatan yaitu :
1. Pendekatan Rasio
Pendekatan rasio dalam mengukur efisiensi dilakukan dengan cara menghitung perbandingan output dan input yang digunakan. Pendekatan ini akan dapat dinilai memiliki efisiensi yang tinggi apabila dapat menghasilkan output yang semaksimal mungkin dengan input yang seminimal mungkin. Pendekatan rasio ini mempunyai kelemahan apabila terdapat banyak input dan banyak output yang dihitung, jika diperhitungkan serempak maka akan menghasilkan banyak hasil perhitungan sehingga menghasilkan asumsi yang tidak tegas.
 2. Pendekatan Regresi
 Pendekatan ini dalam mengukur efisiensi menggunakan sebuah model dari tingkat output tertentu sebagai fungsi dari berbagai tingkat input tertentu. Fungsi regresi adalah sebagai berikut : Dimana : Y = Output X = Input Pendekatan regresi akan menghasilkan estimasi hubungan yang dapat digunakan untuk memproduksi tingkat output yang dihasilkan sebuah Unit Kegiatan Ekonomi (UKE) pada tingkat input tertentu. UKE dapat dikatakan efisien apabila menghasilkan output lebih banyak dari pada output hasil estimasi. Kelemahan dalam pendekatan ini adalah ketidakmampuannya dalam menampung banyak output, karena dalam sebuah persamaan regresi hanya dapat menampung satu indicator output. Apabila dilakukan penggabungan banyak output dalam satu indikator maka informasi yang dihasilkan menjadi tidak rinci lagi.
 3. Pendekatan Frontier
Pendekatan frontier dalam mengukur efisiensi dibedakan menjadi dua jenis yaitu pendekatan frontier parametrik dan non parametrik. Tes parametrik adalah tes yang modelnya menetapkan adanya syarat-syarat tertentu tentang parameter populasi yang merupakan sumber penelitiannya, sedangkan tes statistik non parametrik adalah tes yang modelnya tidak menetapkan syaratsyarat mengenai parameter populasi yang merupakan induk sampel penelitiannya. Pendekatan frontier parametrik dapat diukur dengan tes statistik parametrik seperti menggunakan metode Stochastic Frontier Analysis (SFA) dan Distribution Free Analysis (DFA). Sedangkan pendekatan frontier non parametrik dapat diukur dengan tes statistik non parametrik dengan menggunakan metode Data Envelopment Analysis (DEA). Dalam penelitian ini pengukuran yang digunakan adalah tes statistik non parametrik dengan menggunakan metode Data Envelopment Analysis (DEA). Dibawah ini adalah beberapa istilah dalam DEA beserta ilustrasinya yang perlu diketahui terlebih dahulu sebelum melangkah ke pembahasan DEA.
1. Input oriented measure (pengukuran berorientasi input) Yaitu pengidentifikasian ketidakefisienan melalui adanya kemungkinan untuk mengurangi input tanpa merubah output.
2. Output oriented measure (pengukuran berorientasi output) Yaitu pengidentifikasian ketidakefisienan melalui adanya kemungkinan untuk menambah output tanpa merubah input.

3. Constant Return to Scale (CRS) Yaitu terdaoatnya hubungan yang linier antara input dan output, setiap pertambahan sebuah input akan menghasilkan pertambahan output yang proposional dan konstan. Ini juga berarti efisiensinya tidak akan nerubah.
4. Variable Return to Scale (VRS) Merupkan kebalikan dari CRS, yaitu tidak terdapat hubungan linier antara input dan output. Setiap pertambahan input tidak menghasilkan output yang proposional, sehingga efisiensinya bisa saja naik ataupun turun.

Produktivitas dan Efisiensi (skripsi dan tesis)

Berdasarkan Sumanth (1985), produktivitas dan profitabilitas mempunyai
pengertian yang hampir sama, yaitu besarnya nilai keluaran dibandingkan
terhadap besarnya nilai masukan. Perbedaannya adalah bahwa pada profotabilitas,
pengaruh eksternal yang berupa perubahan harga satuan dan biaya satuan masih
dimasukkan dalam perhitungan, sedangkan pada produktivitas perubahan tersebut
dikeluarkan dan tidak dimasukan dalam perhitungan Produktivitas adalah kemampuan dalam memproduksikan barang atau jasa
secara efisien dan efektif. Naiknya produksi tidaklah selalu diikuti oleh naiknya
produktivitas, karena produksi sebagai aktivitas untuk menghasilkan barang atau
jasa memerlukan masukan yang berkenaan dengan efisiensi penggunaan sumbersumber dalam menghasilkan barang atau jasa. Oleh karena itu bertambah besarnya
produksi tidaklah selalu berarti bahwa produktivitasnya naik.
Pengertian Produktivitas dapat dikelompokkan menjadi tiga kelompok yaitu :
· Rumusan tradisional bagi keseluruhan produktivitas yaitu rasio daripada apa
yang dihasilkan (output) terhadap keseluruhan peralatan produksi yang
dipergunakan.
· Produktivitas pada dasarnya adalah suatu sikap mental yang selalu mempunyai
pandangan bahwa mutu kehidupan hari ini lebih baik daripada hari kemarin
dan hari esok lebih baik dari hari ini.
· Produktivitas merupakan interaksi terpadu secara serasi dari tiga faktor esensial
yaitu investasi manajemen dan tenaga kerja. Secara umum produktivitas diartikan sebagai hubungan antara hasil nyata
maupun fisik (barang-barang ataupun jasa) dengan masukkannya yang
sebenarnya. Kenaikan produksi tidaklah selalu diikuti oleh kenaikan produktivitas
dari suatu perusahaan.
Produktivitas juga diartikan sebagai tingkatan efisiensi dalam memproduksi
barang-barang dan jasa. Produktivitas juga dapat diartikan sebagai perbandingan
antara totalitas pengeluaran pada waktu tertentu dengan totalitas masukan selama
periode tersebut.
Dalam hal ini produktivitas dapat diartikan sebagai :
· Perbandingan ukuran harga bagi masukan dan hasil.
· Perbedaan antara kumpulan jumlah pengaluaran dan masukan yang dinyatakan
dalam satuan (unit).
Menurut Sumanth produktivitas adalah rasio dari keluaran yang dihasilkan
untuk penggunaan diluar organisasi yang membolehkan berbagai macam produk
dibagi oleh sumber-sumber yang digunakan. Kemudian semuanya ini dibagi dalam rasio yang sama dari periode dasar. Oleh Ricard E. Kopelman
mendefinisikan produktivitas adalah sebagai rasio yang merefleksikan bagaimana
cara memanfaatkan sumber daya-sumber daya yang ada secara efisien untuk
menghasilkan keluaran/ output.
Jadi definisi produktivitas bukanlah hanya satu masalah teknis maupun
manajerial, akan tetapi merupakan suatu masalah yang berkenaan dengan badanbadan pemerintahan, serikat buruh dan lembaga-lembaga sosial lainnya yang
semakin berbeda pula definisi produktivitasnya.
Konferensi Oslo 1984 menyatakan bahwa produktivitas adalah suatu konsep
yang bersifat universal yang bertujuan untuk menyediakan lebih banyak barang
dan jasa untuk lebih banyak manusia dengan menggunakan sumber-sumber riil
yang semakin sedikit.  Dari definisi ini juga dapat dilihat hubungan antara produktivitas dengan
efisiensi dan efektivitas, dimana efisiensi berkaitan dengan penggunaan sumber,
sedangkan efektivitas berkaitan dengan unjuk kerja. Produktivitas dapat dicapai
dengan hasil yang sebesar mungkin dengan memakai sumber-sumber sekecil
mungkin

Konsep Efisiensi (skripsi dan tesis)

Efisiensi diartikan sebagai kemampuan untuk menyelesaikan suatu
pekerjaan dengan benar atau dalam pandangan matematika didefinisikan sebagai
perhitungan rasio output dan atau input atau jumlah keluaran yang dihasilkan dari
suatu masukan yang digunakan.
Ada 3 faktor yang menyebabkan efisiensi yaitu :
1. Apabila dengan input yang sama dapat menghasilkan output yang lebih besar.
2. Input yang lebih kecil menghasilkan output yang sama.
3. Dengan input yang lebih besar dapat menghasilkan output yang lebih besar
lagi.
Menurut Fareel efisiensi suatu perusahaan terdiri dari dua komponen yaitu
efisiensi teknik dan efisiensi alokatif. Efisiensi teknik merupakan hubungan
operasional dalam aktivitas mengonversi input menjadi output. Suatu perusahaan
dikatakan efisien secara teknik apabila mampu menghasilkan output maksimal
dengan sumber daya (input) tertentu atau menghasilkan output tertentu dengan
sumber daya (input) minimal. Sedangkan efisiensi alokatif mencerminkan
kemampuan perusahaan menggunakan input yang proporsional dengan
memperhatikan biaya atas input dimana kombinasi input dengan biaya
terendahlah yang dipilih Hampir sama dengan perusahaan, efisiensi dalam perbankan juga diartikan
sebagai suatu tolak ukur dalam mengukur kinerja bank dimana efisiensi
merupakan jawaban atas kesulitan dalam menghitung ukuran-ukuran kinerja
seperti tingkat efisiensi alokasi, teknis maupun total efisiensi.
Ada dua tipe efisiensi, yaitu efisiensi teknis dan efisiensi ekonomi. Efisiensi
ekonomi dilihat dari sudut pandang makro ekonomi, sedangkan efisiensi teknis
dilihat dari sudut pandang mikro ekonomi. Efisiensi teknis pada dasarnya
menyatakan hubungan antara input dan output dalam suatu proses produksi. Suatu
proses produksi dikatakan efisien jika pada penggunaan input sejumlah tertentu
dapat dihasilkan output maksimal, atau untuk menghasilkan sejumlah output
tertentu digunakan input yang paling dibanding dengan efisiensi teknik. Dalam
efisiensi ekonomi perusahaan harus memilih tingkatan input atau output dan
kombinasinya untuk mengoptimalkan tujuan ekonomi, biasanya dengan
meminimalisasi biaya atau memaksimalisasi keuntungan. Dalam penelitian ini
konsep efisiensi yang digunakan adalah efisiensi teknis.

Efisiensi Dan Efektivitas (skripsi dan tesis)

Efisiensi adalah perbandingan atau rasio dari keluaran (output) dengan
masukan (input). Efisiensi mengacu pada bagaimana baiknya sumber daya
digunkan untuk menghasilkan output.
Efektivitas adalah derajat pencapaian tujuan dari system yang diukur dengan
perbandingan atau rasio dari keluaran (output aktual) yang dicapai dengan
keluaran (output) standard yang diharapkan.
Efisiensi dapat dikatakan sebagai penghematan penggunaan sumber daya
dalam kegiatan organisasi, dimana efisiensi pada ‘daya guna’. Dengan efisiensi
dimaksudkan pemakaian sumber daya yang lebih sedikit untuk mencapai hasil
yang sama. Efisiensi merupakan ‘ukuran’ yang membandingkan rencana
penggunaan masukan (input) dengan realisasi penggunaannya. Efisiensi 100%
sangat sulit dicapai, tetapi efisiensi yang mendekati 100% sangat diharapkan dan
konsep ini lebih berorientasi pada input daripada output.
Pencapaian suatu kumpulan hasil yang telah direncanakan merujuk kepada
efektivitas. Jadi pemakaian sumber daya disini tidak dipersoalkan. Dengan kata
lain, efektivitas berurusan dengan seberapa baik hasilnya tercapai, dimana
efektivitas merujuk pada ‘hasil guna’. Jadi efektivitas merupakan ukuran yang
menyatakan seberapa baik atau seberapa jauh sasaran (kualitas, kwantitas dan
waktu) telah tercapai. Nilai efektivitas dicerminkan oleh perbandingan nilai output
akhir dengan output yang direncanakan. Makin besar prosentasi sasaran yangdicapai, makin tinggi efektivitasnya. Konsep efektivitas yang tinggi belum tentu
menunjukan efisiensi yang tinggi pula. Suatu proses dikatakan lebih efektif bila
dengan masukan (input) yang sama diperoleh keluaran (output) yang lebih besar,
hasil yang lebih baik atau dalam waktu lebih singkat.

Metode Data Envelopment Analisis (DEA) (skripsi dan tesis)

Metode Data Envelopment Analisis (DEA) adalah membandingkan data input dan data output dari suatu organisasi data DMU (Decision Making Units) dengan data input dan output lainnya pada DMU yang sejenis. Perbandingan ini dilakukan untuk mendapatkan suatu nilai efisiensi (Efendi, 2011).Selain menghasilkan nilai efisiensi masing-masing DMU, DEA juga menunjukkan unitunit yang menjadi referensi bagi unit-unit yang tidak efisien (Yuli, 2009). Berikut merupakan beberapa asumsi yang terdapat dalam metode DEA beserta keunggulan dan kelemahan metode DEA. Pada penerapan model DEA, terdapat asumsi-asumsi yang mendasarinya menurut Ramanathan (2003), asumsi DEA tersebut yaitu: 1. DMU (Decision Making Unit) harus merupakan unit-unit yang homogenis, yaitu memiliki fungsi dan tujuan yang sama. 2. Data bernilai positif dan bobot dibatasi pada nilai positif 3. Input dan output bersifat variable Keunggulan dan kelemahan DEA adalah : – Keunggulan DEA : 1. Dapat menangani banyak input dan output 2. Tidak butuh asumsi hubungan fungsional antara variable input dan output 8 3. DMU dibandingkan secara langsung dengan sesamanya 4. Input dan output dapat memiliki satuan pengukuran yang berbeda – Keterbatasan DEA : 1. Rumus standar DEA menciptakan program linier yang terpisah untuk setiap DMU, berdasarkan hal tersebut maka masalah komputasi kerap terjadi. 2. DEA merupakan teknik nonparametrik maka uji hipotesis statistik sulit untuk dilakukan. 3. DEA adalah sebuah teknik titik ekstrim sehingga kesalahan pengukuran dapat menyebabkan masalah yang signifikan

Konsep Efisiensi (skripsi dan tesis)

Menurut Farrel (1957), Efisiensi dikatakan sebagai kemampuan untuk menyelesaikan suatu pekerjaan dengan benar, atau dalam pandangan matematika didefinisikan sebagai perhitungan rasio output dan input atau jumlah keluaran yang dihasilkan dari suatu masukan yang digunakan. Suatu hasil dikatakan efisien apabila nilai efisiensi sama dengan satu (nilai efisiensi (t) =1). Namun, jika nilai efisiensi (t) > 1 dapat diartikan bahwa penggunaan input belum efisien sehingga untuk mencapai nilai efisiensi perlu untuk menambah input. Jika nilai efisiensi (t) < 1 dapat diartikan bahwa penggunaan input tidak efisien 7 sehingga untuk mencapai nilai efisiensi perlu untuk mengurangi input. Ada tiga faktor yang menyebabkan efisiensi tinggi yaitu: 1. Apabila dengan input yang sama dapat menghasilkan output yang lebih besar. 2. Input yang lebih kecil menghasilkan output yang sama. 3. Dengan input yang lebih besar dapat menghasilkan output yang jauh lebih besar. Secara umum efisiensi merupakan perbandingan antara output dengan input, atau dalam rumus :

Efisiensi = Output

Input

Dimana : Input = sumber daya yang digunakan Output = hasil yang dicapa

Definisi Efisiensi (skripsi dan tesis)

Menurut S.P Hasibuan (1984) yang mengutip pernyataan H.Emerson adalah bahwa efisiensi merupakan hasil terbaik antara input (masukan) dan ouput (keluaran), efisiensi adalah sesuatu yang kita kerjakan berkaitan dengan menghasilkan hasil yang optimal dengan tidak membuang banyak waktu dalam proses pengerjaannya. Menurut Makmun (2002) dan Giatman (2006), Efisiensi berhubungan dengan seberapa baik kita menggunakan sumber daya yang ada untuk menyelesaikan suatu hasil.Sedangkan, menurut Agus Maulana (1997) Efisiensi diartikan sebagai kemampuan suatu unit usaha untuk mencapai tujuan yang diinginkan, efisiensi selalu dikaitkan dengan tujuan organisasi yang harus dicapai oleh perusahaan. Berdasarkan pengertian diatas, maka efisiensi dapat didefinisikan sebagai perbandingan antara masukan (input) dengan keluaran (output), atau jumlah keluaran yang dihasilkan dari satu input yang digunakan

Sturktur Organisasi dan Fungsi (skripsi dan tesis)

Seperti halnya organisasi yang lain, Toko Aktual Komputer Sumedang juga
mempunyai struktur organisasi beserta fungsinya, karena pengorganisasian itu sendiri
mempunyai arti adanya suatu penetapan struktur peran melalui penentuan aktivitasaktivitas yang dibutuhkan untuk mencapai tujuan-tujuan tertentu, pendelegasian
wewenang untuk menjalankannya, pengkoordinasian hubungan wewenang dan
informasi baik horizontal maupun vertikal serta bila ingin peran organisasi itu berarti
bagi orang lain, maka harus ada tujuan yang bisa dibuktikan, konsep yang jelas dari
batas kewajiban atau aktivitas yang terlibat, batas-batas untuk menentukan
kebijaksanaan yang dimengerti atau wewenang, dan harus disediakan informasi serta
alat lain sebagai sumber-sumber yang penting bagi hasil kerja dalam suatu peran.
Dengan adanya organisasi akan menunjukkan gambaran secara otomatis
hubungan kerjasama antara yang satu dengan yang lainnya di dalam satu organisasi.
Berikut ini adalah gambaran stuktur organisasi dan kewenangan di Toko Aktual
Komputer yaitu: Fungsi dari tiap-tiap bagian adalah sebagai berikut:
a. Pemilik adalah seseorang atau badan hukum yang secara sah memiliki perusahaan.
Para pemegang saham adalah pemilik dari perusahaan tersebut.
b. Operational adalah proses validasi yang digunakan untuk menentukan keberadaan,
kuantitas dan untuk menghindari masalah yang terkait untuk menentukan hal-hal
dalam esensi intrinsik.
c. Accounting adalah sistem akuntansi yang berkaitan dengan ketentuan dan
penggunaan informasi akuntansi untuk manajer atau manajemen dalam suatu
organisasi dan untuk memberikan dasar kepada manajemen untuk membuat
keputusan bisnis yang akan memungkinkan manajemen akan lebih siap dalam
pengelolaan dan melakukan fungsi kontrol.
d. Bagian Penjualan adalah bentuk pemberian yang diberikan oleh produsen baik
terhadap pelayanan barang yang diproduksi maupun terhadap jasa yang ditawarkan
guna memperoleh minat konsumen, dengan demikian pelayanan mempengaruhi
minat konsumen terhadap suatu barang atau jasa dari pihak perusahaan yang
menawarkan produk atau jasa.
e. Cashier adalah orang yang bertugas untuk menangani keuangan suatu organisasi
baik organisasi yang mempunyai tujuan komersial maupun yang non-komersial.
f. Staff Accounting
a. Membuat arsip
b. Melakukan tagihan kepada customer
c. Membuat laporan keuangan

Keuntungan Analytical Hierarchy Process (AHP) (skripsi dan tesis)

Keuntungan dari metode AHP dibandingkan yang lain, yaitu:
1. Struktur yang berhirarki, sebagai konsekuensi dari kriteria yang dipilih, sampai pada
sub-kriteria yang paling dalam.
2. Memperhitungkan validitas sampai dengan batas toleransi inkonsistensi berbagai
kriteria dan alternatif yang dipilih oleh para pengambil keputusan.
3. Memperhitungkan daya tahan atau ketahanan output analisis sensitivitas pengambil
keputusan.
4. AHP mempunyai kemampuan untuk memecahkan masalah yang multi objektif dan
multi objektif yang berdasar pada perbandingan preferensi dari setiap elemen dalam
hirarki.

Prosedur Analytical Hierarchy Process (AHP) (skripsi dan tesis)

Dalam pengambilan keputusan dengan metode AHP, prosedur atau langkahlangkah dalam metode AHP menurut kursini (2007:135), adalah:
1. Mengidentifikasi masalah dan menentukan solusi yang diinginkan, lalu menyusun
hiearki dari permaslahan yang dihadapi.
2. Menentukan prioritas elemen
a. Langkah pertama dalam menentukan prioritas elemen adalah membuat
perbandingan pasangan, yaitu membandingkan elemen berpasangan sesuai kriteria
yang diberikan.
b. Matriks perbandingan berpasangan diisi menggunakan bilangan untuk
mempresentasikan kepentingan relatif dari suatu elemen terhadap elemen yang
lainnya.
3. Sintesis
Pertimbangan-pertimbangan terhadap perbandngan berpasangan disintesis untuk
memperoleh keseluruhan prioritas. Hal-hal yang dilakukan dalam langkah ini
adalah:
a. Menjumlahkan nilai-nilai dari setiap kolom pada matriks.
b. Membagi setiap nilai dari kolom dengan total kolom yang bersangkutan untuk
memperoleh normalisasi matriks.
c. Menjumlahkan nilai-nilai dari setiap baris dan membaginya dengan jumlah
elemen untuk mendapatkan nilai rata-rata.
4. Mengukur Konsistensi
Hal-hal yang dilakukan dalam langkah ini adalah sebagai berikut:
a. Kalikan setiap nilai pada kolom pertama dengan prioritas relative elemen
pertama, nilai pada kolom keduadengan prioritas relative elemen kedua dan
seterusnya.
b. Jumlahkan setiap baris
c. Hasil dari penjumahan baris dibagi dengan elemen prioritas relative yang
bersangkutan.
d. Jumlahkan hsil bagi di atas dengan banyaknya elemen yang ada, hasilnya
disebut λ maks.
5. Hitung Consistency Index (CI) dengan rumus:
CI = (λmax – n)/n
Keterangan:
n = banyaknya elemen.
6. Hitung Rasio Konsistensi/Consistency Ratio (CR) dengan rumus:
CR = CI/RI
Keterangan:
CR = Consistency Ratio
CI = Consistency Index
RI = Index Random Consistency
7. Memeriksa konsistensi hierarki. Jika nilainya lebih dari 10%, maka penilaian data
judgment harus diperbaiki. Namun jika Rasio Konsistensi (CI/CR) kurang atau
sama dengan 0,1, maka hasil diperhitungkan bisa dinyatakan benar.

Prinsip Dasar Analytical Hierarchy Process (AHP) (skripsi dan tesis)

Menurut Sudaryono (2010:35), dalam menyelesaikan permasalahan dengan AHP
ada beberapa prinsip yang harus dipahami, diantaranya adalah:
1. Membuat hierarki sistem yang kompleks bisa dipahami dengan memecahnya
menjadi elemen-elemen pendukung, menyusun elemen secara hierarki, dan
menggabungkannya.
2. Penilaian kriteria dan alternatif kriteria dan alternatif dilakukan dengan
perbandingan berpasangan. Menurut Saaty (1988), untuk berbagai persoalan skala 1
sampai 9 adalah skala terbaik untuk mengekspresikan pendapat.
3. Menentukan prioritas untuk setiap kriteria dan alternatif, perlu dilakukan
perbandingan berpasangan. Nilai-nilai perbandingan relatif dari seluruh alternatif
kriteria bisa disesuaikan dengan judgement yang telah ditentukan untuk menghasilkan
bobot dan prioritas. Bobot dan prioritas dihitung dengan memanipulasi matriks atau
melalui penyelesaian persamaan matematika.
4. Konsistensi logis konsistensi memiliki dua makna. Pertama objek-objek yabg serupa
bisa dikelompokkan sesuai dengan keseragaman dan relevansi. Kedua, menyangkut
tingkat hubungan antar objek yang didasarkan pada kriteria tertentu.

Analytical Hierarchy Process (AHP) (skripsi dan tesis)

Menurut Nugeraha (2017:114) mengemukakaan bahwa, “AHP adalah sebuah konsep untuk pembuatan keputusan berbasis multicriteria (kriteria yang banyak). Beberapa kriteria yang dibandingkan satu dengan lainnya (tingkat kepentingannya) adalah penekanan utama pada konsep AHP ini.” AHP menjadi sebuah metode penentuan atau pembuatan keputusan, yang menggabungkan prinsip-prinsip subjektifitas dan objektifitas si pembuat sistem penunjang keputusan atau keputusannya. AHP juga merupakan salah satu metode untuk membantu menyusun suatu prioritas dari berbagai pilihan dengan menggunakan berbagai kriteria. Karena sifatnya yang multikriteria, AHP cukup banyak digunakan dalam penyusunan prioritas. Sebagai contoh untuk menyusun prioritas penelitian, pihak manajemen lembaga penelitian sering menggunakan beberapa kriteria seperti dampak penelitian, biaya, kemampuan SDM, dan waktu pelaksanaan. Di samping bersifat multikriteria, AHP juga didasarkan pada suatu proses yang terstruktur dan logis. Pemilihan atau penyusuna prioritas dilakukan dengan suatu prosedur yang logis dan terstruktur. Kegiatan tersebut dilakukan oleh ahli-ahli yang representatif berkaitan dengan alternatif-alternatif yang disusun prioritasnya. Metode AHP merupakan salah satu model untuk pengambilan keputusan yang dapat membantu kerangka berfikir manusia. Metode ini mula-mula dikembangkan oleh Thomas L. Saaty pada tahuan 70- an. Dasar berpikirnya metode AHP adalah proses membentuk skor secara numerik untuk menyusun rangking setiap alternatif keputusan berbasis pada bagaimana sebaiknya alternatif itu dicocokkan dengan kriteria pembuat keputusan

Langkah dan Prosedur Metode Analytical Hierarcy Process (skripsi dan tesis)

Untuk memecahkan suatu masalah dengan menggunakan metode
Analytical Hierarchy Process diperlukan langkah-langkah sebagai berikut:
a. Mendefinisikan permasalahan dan menentukan tujuan.
b. Menyusun masalah kedalam suatu struktur hierarki sehingga
permasalahan yang komplek dapat ditinjau dari sisi yang detail
dan terstruktur.
c. Menyusun prioritas untuk tiap elemen masalah.
d. Melakukan pengujian konsistensi terhadap perbandingan antar
elemen yang didapatkan pada tiap tingkat hierarki.
Perhitungan Metode Analytical Hierachy Process Saaty(1993)
menjelaskan bahwa elemen-elemen pada setiap baris dari matrik persegi
merupakan hasil perbandingan berpasangan. Setiap matrik pairwise
comparison dicari eigenvektornya untuk mendapat local priority

Tahapan Metode Analytical Hierarcy Process (skripsi dan tesis)

Menurut Kadarsyah Suryadi dan Ali Ramdhani, 1998. Metode
Analytical Hierarchy Process dilakukan dengan langkah-langkah sebagai
berikut:
1. Mendefinisikan masalah dan menentukan solusi yang diinginkan.
Dalam tahap ini terlebih dahulu menentukan masalah yang akan
dipecahkan secara jelas, detail dan mudah dipahami. Dari masalah
yang ada kemudian tentukan solusi yang mungkin cocok bagi
masalah tersebut. Solusi dari masalah mungkin berjumlah lebih
dari satu. Solusi tersebut nantinya dikembangkan lebih lanjut
dalam tahap berikutnya.
2. Membuat struktur hierarki yang diawali dengan tujuan utama.
Setelah menyusun tujuan utama sebagai level teratas akan disusun
level hirarki yang berada dibawahnya yaitu kriteria-kriteria yang
cocok untuk menilai alternatif yang diberikan dan menentukan
alternatif tersebut. Tiap criteria mempunyai intensitas yang
berbeda-beda. Hirarki dilanjutkan dengan subkriteria (jika
mungkin diperlukan).
3. Membuat matrik perbandingan berpasangan yang
menggambarkan kontribusi relatif atau pengaruh setiap elemen
terhadap tujuan atau criteria yang setingkat di atasnya. Matriks
yang digunakan bersifat sederhana, memiliki kedudukan kuat
untuk kerangka konsistensi, mendapatkan informasi lain yang
mungkin dibutuhkan dengan semua perbandingan yang mungkin
dan mampu menganalisis kepekaan prioritas secara keseluruhan
untuk perubahan pertimbangan. Pendekatan dengan matriks
mencerminkan aspek ganda dalam prioritas yaitu mendominasi
dan didominasi. Perbandingan dilakukan berdasarkan judgment
dari pengambil keputusan dengan menilai tingkat kepentingan
suatu elemen dibandingkan elemen lainnya. Untuk memulai
proses perbandingan berpasangan dipilih sebuah criteria dari level
paling atas hirarki misalnya K dan kemudian dari level di
bawahnya diambil elemen yang akan dibandingkan misalnya A1,
A2, A3, A4, A5, An.
4. Melakukan perbandingan berpasangan sehingga diperoleh jumlah
penilaian seluruhnya sebanyak n x [(n-1)/2] buah, dengan n adalah
banyaknya elemen kriteria yang dibandingkan. Hasil
perbandingan dari masing-masing elemen berupa angka dari 1
sampai 9 yang mengartikan perbandingan tingkat kepentingan
suatu elemen. Apabila suatu elemen dalam matriks dibandingkan
dengan dirinya sendiri maka hasil perbandingan diberi nilai 1.
Skala 9 telah terbukti dapat diterima dan bisa membedakan
intensitas antar elemen. Hasil perbandingan tersebut diisikan pada
sel yang bersesuaian dengan elemen yang dibandingkan 5. Menghitung nilai eigen dan menguji konsistensinya. Jika tidak
konsisten maka pengambilan data diulangi.
6. Mengulangi langkah 3,4, dan 5 untuk seluruh tingkat hirarki.
7. Menghitung vektor eigen dari setiap matriks perbandingan
berpasangan yang merupakan bobot setiap elemen untuk
penentuan prioritas elemen elemen pada tingkat hirarki terendah
sampai mencapai tujuan. Penghitungan dilakukan lewat cara
menjumlahkan nilai setiap kolom dari matriks, membagi setiap
nilai dari kolom dengan total kolom yang bersangkutan untuk
memperoleh normalisasi matriks, dan menjumlahkan nilai-nilai
dari setiap baris dan membaginya dengan jumlah elemen untuk
mendapatkan rata-rata.
8. Memeriksa konsistensi hierarki.
Yang diukur dalam Metode Analytical Hierarchy Process adalah
rasio konsistensi dengan melihat index konsistensi. Konsistensi
yang diharapkan adalah yang mendekati sempurna agar
menghasilkan keputusan yang mendekati valid. Walaupun sulit
untuk mencapai yang sempurna, rasio konsistensi diharapkan
kurang dari atau sama dengan 10%

Analytical Hierarcy Process (AHP) (skripsi dan tesis)

Analytical Hierarcy Proses merupakan salah satu metode untuk membantu
pengambil keputusan dalam mengambil keputusan sesuai dengan criteria
atau syarat yang telah ditentukan, dan criteria pengambilan keputusan
tersebut merupakan criteria yang bermacam-macam.
Metode Analytical Hierarcy Process (AHP) bersifat multi criteria karena
menggunakan banyak criteria dalam penyusunan suatu prioritas system
pendukung keputusan.
Disamping sifatnya yang multi criteria, metode AHP juga didasarkan pada
suatu proses yang logis dan terstruktur, karena penyusunan prioritasnya
dilakukan dengan menggunakan prosedur yang logis dan terstruktur.
Kegiatan tersebut dilakukan oleh ahli yang representative yang menyusun
prioritasnya.
Metode Analytical Hierarcy Process adalah salah satu metode pengambil
keputusan yang dapat membantu berfikir manusia. Metode ini
dikembangkan oleh Thomas L. Saaty pada awal tahun 1970-an. Proses
berfikir metode ini adalah membentuk score secara numeric untuk
menyusun cara alternative setiap pengambilan keputusan dimana keputusan
tersebut dicocokkan dengan criteria pembuat keputusan (Fariz, 2010).
Peralatan proses pengambilan keputusan pada metode Analytical Hierarcy
Process yang utama adalah sebuah hierarki fungsional dengan input
utamanya pendapat manusia. Dengan hierarki, masalah yang tidak
terstruktur dapat dipecahkan kedalam kelompok-kelompoknya yang
kemudian kelompok tersebut diatur kedalam suatu bentuk hierarki.
Dalam penjabaran hierarki tujuan, tidak ada pedoman pasti tentang
bagaimana pengambil keputusan menjabarkannnya menjadi tujuan yang
lebih rendah. Pengambil keputusan menentukan penjabaran tujuan itu
berhenti dan memperhatikan kelebihan dan kekurangan yang didapat jika
tujuan tersebut terperinci lebih lanjut. Berikut ini adalah beberapa hal yang
harus diperhatikan dalam penjabaran hierarki tujuan, yaitu:
a. Pada saat penjabaran tujuan kedalam subtujuan harus memperhatikan
setiap tujuan yang akan tercakup dalam subtujuan yang lebih rinci.
b. Meskipun hal pertama dapat terpenuhi, tapi juga perlu menghindari
terjadinya pembagian yang terlalu banyak.
c. Karena itu, sebelum menetapkan tujuan harus dapat menjabarkan
hierarki sampai ke tujuan yang paling rendah dengan cara
mengujinya.
Dalam menyelesaikan permasalahan dengan Analytical Hierarchy Process
(AHP) ada beberapa prinsip yang harus dipahami, di antaranya adalah
sebagai berikut:
1. Decomposition (membuat hierarki)
Dalam menyusun hirarki harus menentukan tujuan melalui kriteriakriteria yang dipakai untuk menilai alternatif-alternatif yang ada. Setiap
kriteria terkadang memiliki subkriteria dibawahnya yang memiliki nilai
intensitas masing-masing 2. Comparative judgment (penilaian kriteria dan alternatif)
Kriteria dan alternatif dilakukan dengan perbandingan berpasangan.
Menurut Saaty (1988), untuk berbagai persoalan, skala 1 sampai 9 adalah
skala yang dipakai dalam penilaiannya.
3. Synthesis of priority (menentukan prioritas)
Menentukan prioritas setiap kriteria digunakan sebagai bobot dari criteria
tersebut dalam pengambilan keputusan. Metode Analytical Hierarchy
Process (AHP) melakukan analisis prioritas setiap kriteria dengan metode
perbandingan berpasangan antara dua elemen sehingga semua elemen
yang ada akan tercakup dalam perbandingan.
4. Logical Consistency (konsistensi logis)
Konsistensi memiliki dua makna. Yang pertama yaitu objek-objek yang
serupa bisa dikelompokkan sesuai dengan jenisnya. Yang kedua yaitu
menyangkut tingkat hubungan antar objek yang didasarkan pada kriteria
tertentu. (Kosasi, Sandy. 2002).
Metode Analytical Hierarcy Process (AHP) sering digunakan sebagai
metode pemecah masalah dibanding dengan metode yang lain. Berikut ini
adalah beberapa kelebihan penggunaan metode AHP (menurut Suryadi dan
Ramdhani, 1998):  a. Berstruktur hierarki, sebagai dampak dari criteria yang dipilih, sampai
pada subkriteria yang paling dalam.
b. Memperhitungkan validitas sampai dengan batas toleransi inkonsistensi
berbagai criteria dan cara alternative yang dipilih oleh pengambil
keputusan.
c. Memperhitungkan daya tahan dan hasil analisis pengambil keputusan.
Karena Metode AHP memperhitungkan tingkat validitas sampai dengan
batas toleransi inkonsistensi dengan berbagai kriteria dan cara alternatif yang
dipilih oleh pengambil keputusan, metode AHP juga mempunyai kemampuan
untuk memecahkan masalah yang multi criteria yang didasarkan pada
perbandingan preferensi dari setiap elemen dalam hierarki, sehingga menjadi
model pengambil keputusan yang komprehensif.
Dengan demikian, terdapat empat aksioma-aksioma yang terkandung
dalam model AHP yaitu :
1. Reciprocal Comparison
Dalam pengambilan keputusan harus dapat membuat perbandingan dan
menyatakan pendapatnya. Pendapat tersebut harus memenuhi syarat yaitu
apabila A lebih penting daripada B dengan sekala x, maka B lebih penting
daripada A dengan sekala 1/x.
2. Homogeneity
Pendapat seseorang harus dapat dinyatakan dalam skala terbatas, elemenelemenya dapat dibandingkan satu dengan yang lainnya. Kalau aksioma
ini tidak dipenuhi maka elemen-elemen yang dibandingkan tersebut tidak
homogen dan harus dibentuk cluster (kelompok elemen) yang baru.
3. Independence
Pendapat seseorang dinyatakan dengan mengasumsikan bahwa kriteria
tidak dipengaruhi oleh alternatif-alternatif yang ada melainkan oleh
objektif keseluruhan. Hal ini menunjukkan bahwa model dalam metode
AHP adalah searah, maksudnya perbandingan antara elemen-elemen
dalam satu tingkat tergantung pada elemen-elemen pada tingkat diatasnya.
4. Expectation
Dalam pengambilan keputusan, struktur hirarki diasumsikan lengkap.
Apabila tidak terpenuhi maka pengambilan keputusan tidak memakai
seluruh kriteria yang tersedia sehingga keputusan yang diambil dianggap
tidak lengkap.
Metode Analytical Hierarcy Process juga dapat memberikan fasilitas
evaluasi pro dan kontra secara rasional. Karena itu, metode AHP dapat
memberikan solusi yang optimal melalui cara berikut:
a. Menganalisis keputusan secara kuantitatif dan kualitatif.
b. Mengevaluasi masalah kemudian memberikan solusi sederhana melalui
model hierarki.
c. Memberikan pendapat yang logis.
d. Melakukan Pengujian kualitas keputusan.
e. Waktu yang dibutuhkan relative singkat.

Kriteria Sistem Pendukung Keputusan (skripsi dan tesis)

System pendukung keputusan diciptakan untuk membantu seseorang
dalam mengambil keputusan tertentu dan dengan criteria tertentu. Berikut
ini beberapa criteria system pendukung keputusan.
a. Interaktif
System pendukung keputusan memiliki user interface yang
komunikatif, sehingga pemakai dapat memproses data secara cepat
untuk memperoleh informasi yang dibutuhkan.
b. Fleksibel
System pendukung keputusan memiliki banyak variabel masukan
yang mampu memproses dan memberikan hasil keluaran berupa
keputusan alternative dan efektif kepada para pengambil keputusan.
c. Data Kualitas
System pendukung keputusan mampu menerima data dengan
kualitas yang dikuantitaskan agar hasil yang diharapkan lebih
obyektif, sebagai data masukan untuk memproses atau mengolah
data.
d. Prosedur Pakar
Artinya suatu system pendukung keputusan mengandung suatu
prosedur yang berupa kepakaran seseorang yang nantinya digunakan
untuk menyelesaikan suatu masalah tertentu dari kejadian tertentu.
Berikut adalah macam-macam metode dalam system pendukung keputusan:
1. Metode Sistem pakar
2. Metode Regresi linier
3. Metode B/C Ratio
4. Metode AHP
5. Metode IRR
6. Metode NPV
7. Metode FMADM
8. Metode SAW

Sistem Pendukung Keputusan (SPK) (skripsi dan tesis)

System Pendukung Keputusan atau Decision Support System (DSS)
merupakan bagian dari system informasi yang biasa digunakan oleh
pengambil keputusan dalam mengambil keputusan. Decision Support
System diciptakan oleh G. Antony Gorry dan Michael. S. Scott Morton pada
tahun 1960-an. Akan tetapi, istilah Sistem Pendukung Keputusan (SPK) itu
baru ada pada tahun 1971. Mereka menciptakan system pendukung
keputusan dengan tujuan untuk menciptakan aplikasi computer, dimana
aplikasi tersebut merupakan suatu system berbasis computer yang nantinya
dapat membantu pengambil keputusan dalam mengambil keputusan dalam
memecahkan masalah yang tidak terstruktur dengan memanfaatkan data dan
model tertentu.
Decision Support System atau System Pendukung Keputusan adalah
system computer interaktif yang dapat membantu pengambil keputusan
dalam memecahkan masalah yang tidak terstruktur menggunakan data dan
model tertentu. Dalam mengambil keputusan tersebut pengambil keputusan
melakukan berbagai cara diantaranya yaitu: menggunakan kombinasi dari
model, teknik analisis, dan pengambilan informasi dari permasalahannya.
(Efrain Turban, 2005).
Decision Support System atau System Pendukung Keputusan adalah
system informasi yang membantu pengambil keputusan dengan
memberikan kesempatan kepadanya untuk mengidentifikasi masalah dan
mencari informasi dalam mengambil keputusan. System Pendukung
Keputusan (SPK) hampir sama dengan Sistem Informasi Manajemen (SIM),
karena sumber data dari SPK dan SIM adalah basis data. (Kusrini, 2007).
Decision Support System atau System Pendukung Keputusan adalah suatu
system computer berupa perangkat lunak yang dapat membantu suatu
instansi dalam mengambil keputusan secara efektif dan alternative sesuai
dengan criteria yang ditentukan.
SPK atau DSS dirancang untuk membantu seluruh proses pengambilan
keputusan mulai dari proses pengidentifikasian masalah, pemilihan data
yang relevan, penentuan model pendekatan yang digunakan dalam proses
pengambilan keputusan, sampai pada proses evaluasi pemilihan alternatif.
Menurut (Suryadi dan Ramdhani, 2002) model proses pengambilan
keputusan terdiri dari tiga tahap yaitu sebagai berikut:
1. Intelligence. Tahap ini merupakan proses pencarian dalam ruang
lingkup masalah serta proses pengenalan masalah. Data masukan
diperoleh, kemudian diproses, setelah itu diuji untuk mengidentifikasi
masalah tersebut.
2. Design. Tahap merupakan proses menemukan, mengembangkan, dan
menganalisis tindakan alternative apa yang bisa dilakukan. Tahap ini
meliputi proses memahami masalah, memberikan solusi, kemudian
menguji solusi tersebut apakah dapat menyelesaikan masalah dengan
baik atau tidak.
3. Choice. Tahap ini merupakan proses pemilihan dari berbagai tindakan
alternative yang dapat dipergunakan denga baik. Hasil dari pilihan
tersebut kemudian di implementasikan kedalam proses pengambilan
keputusan.
Sesuai dengan pendapat para pakar diatas, Keen (1980) menerapkan
istilah SPK ”untuk situasi dimana system dapat dikembangkan hanya
melalui suatu proses pembelajaran yang adaptif.” Jadi, ia mendefinisikan
SPK sebagai suatu proses dimana pemakai SPK, perancang SPK, dan SPK
itu sendiri mampu mempengaruhi satu dengan yang lainnya, dan
menghasilkan system pendukung keputusan yang dapat dipergunakan
dengan tepat. Sedangkan menurut Little (1970) yang mendefenisikan SPK
sebagai “sekumpulan prosedur berbasis model untuk pemrosesan dan
penilaian data dalam membantu pengambil keputusan”. Dia juga
menyatakan bahwa untuk berhasil, system tersebut haruslah sederhana,
mudah dipakai, obyektif dan lengkap dengan criteria penting yang
disyaratkan. Dan juga menurut Bonczek, dkk. (1980) mereka
mendefinisikan SPK sebagai sistem berbasis komputer yang terdiri dari tiga
komponen yang saling berinteraksi yaitu :
a. System bahasa merupakan mekanisme untuk memberikan komunikasi
antara pengguna dan komponen SPK lain.
b. System pengetahuan merupakan pengetahuan tentang masalah yang ada
pada SPK baik sebagai data atau sebagai prosedur.
c. System pemrosesan masalah merupakan hubungan antara dua
komponen, terdiri dari satu atau lebih kapabilitas manipulasi masalah
yang diperlukan untuk pengambilan keputusan.
Menurut (Turban, 2005) Sistem Pendukung Keputusan (SPK) terdiri dari
berbagai komponen sebagai berikut:
1. Subsistem Manajemen Data, berisi data yang relevan dan dapat diproses
software yang disebut DBMS (Data Base Management System).
2. Subsistem Manajemen Model, berupa sebuah software yang berisi
model-model financial yang menyediakan kemampuan analisa dan
software management yang sesuai.
3. Subsistem Manajemen Pengetahuan, merupakan subsistem yang
mendukung subsistem lain sebagai komponen yang berdiri sendiri.
4. Subsistem Antarmuka Pengguna, merupakan subsistem yang dipakai
oleh user dalam berkomunikasi.
Setiap sistem pasti memiliki kelebihan dan kekurangan, Menurut Kosasi
(2002), kelebihan SPK sebagai berikut:
a. Sistem pendukung keputusan (SPK) dapat menunjang pembuatan
keputusan manajemen dalam menangani masalah semi terstruktur dan
tidak terstruktur.
b. Sistem pendukung keputusan (SPK) dapat membantu manajer pada
berbagai tingkatan manajemen, mulai dari manajemen tingkat atas
sampai manajemen tingkat bawah.
c. Sistem pendukung keputusan (SPK) memiliki kemampuan pemodelan
dan analisis pembuatan keputusan.
d. Sistem pendukung keputusan (SPK) dapat menunjang pembuatan
keputusan yang saling berurutan baik secara kelompok maupun
perorangan.
e. Sistem pendukung keputusan (SPK) menunjang berbagai bentuk proses
pengambilan keputusan dan jenis keputusan.
f. Sistem pendukung keputusan (SPK) dapat melakukan adaptasi setiap
saat dan bersifat fleksibel.
g. Sistem pendukung keputusan (SPK) mudah berinteraksi dengan sistem
dan mudah dikembangkan oleh pengguna (user) terakhir.
h. Sistem pendukung keputusan (SPK) dapat meningkatkan efektivitas
dalam pengambilan keputusan.
i. Sistem pendukung keputusan (SPK) mudah melakukan pengaksesan
berbagai sumber dan format data.
Di samping berbagai kelebihan seperti yang telah disebutkan sebelumnya,
Sistem pendukung keputusan (SPK) juga memiliki beberapa kekurangan
atau keterbatasan, diantaranya adalah:
1. Ada beberapa kemampuan manajemen dan kemampuan manusia yang
tidak dapat dimodelkan, sehingga model yang ada dalam sistem tidak
semuanya mencerminkan persoalan sebenarnya.
2. Kemampuan suatu system pendukung keputusan (SPK) terbatas pada
pengetahuan yang dimilikinya (pengetahuan dasar serta model dasar).
3. Proses-proses yang dapat dilakukan oleh system pendukung keputusan
(SPK) biasanya tergantung pada kemampuan perangkat lunak yang
digunakan oleh pengambil keputusan.
4. Sistem pendukung keputusan (SPK) tidak memiliki kemampuan yang
dimiliki oleh manusia, karena itu bagaimana pun canggihnya suatu
Sistem pendukung keputusan (SPK), hanyalah suatu kumpulan
perangkat keras, perangkat lunak dan sistem operasi yang tidak
dilengkapi dengan kemampuan berpikir seperti manusia.

Sistem Pendukung Keputusan (skripsi dan tesis)

Sistem pendukung keputusan (SPK) adalah suatu sistem informasi berbasis komputer mengkombinasikan model dan data untuk menyediakan dukungan kepada pengambil keputusan dalam memecahakan masalah semi terstruktur atau masalah ketergantungan yang melibatkan user secara mendalam (Arbelia, 2014). Multiple Criteria Decision Making (MCDM) merupakan cara atau metode yang digunakan untuk mengambil keputusan dengan menetapkan alternatif atau pilihan terbaik dari beberapa alternatif berdasarkan kriteria-kriteria tertentu yang digunakan untuk batasan atau standar dalam mengambil keputusan. MCDM dibagi menjadi 2 berdasarkan tujuannya, yaitu MADM (Multi Attribute Decision Making) dan MODM (Multi Objective Decision Making). Perbedaan utama keduanya adalah pada MADM dipergunakan untuk menentukan keputusan atau pilihan dari alternatif dengan jumlah yang terbatas/diskret, sedangkan pada MODM dipergunakan pada permasalahan yang kontinyu/berkelanjutan, seperti pada masalah pemrograman matematis (Trianto, 2013).

Analytical Hierarchy Process (AHP) (skripsi dan tesis)

Analytical Hierarchy Process merupakan suatu metode yang dipergunakan untuk menyelesaikan masalah yang komplek di mana data dan informasi statistik dari masalah yang dihadapi sangat sedikit. AHP juga salah satu bentuk model pengambilan keputusan dengan multiple criteria sehingga, metode ini dapat melakukan analisis secara simultan dan terintegrasi antara parameter – parameter yang kualitatif atau bahkan kuantitatif. (Saaty, 2008) Dalam penelitian ini, metode AHP dipakai untuk menentukan pemohon sebagai nasabah yang hendak mengajukan kredit di PT Andalan Finance Yogyakarta. Jadi pada dasarnya, kriteria yang disayaratkan perusahaan kepada pemohon menjadi salah satu kriteria layak atau tidak nya nasabah untuk mendapatkan kredit. Sehingga, ketika pihak perusahaan sudah mengumpulkan data tentang nasabah mengenai kriteria yang dimiliki setiap debitur, maka secara kolektif kriteria tersebut akan dikonversikan dalam angka, kemudian diolah melalui proses komputasi oleh sistem. Dari hasil perhitungan yang dilakukan sistem, maka akan muncul bobot dari setiap pemohon. Perhitungan bobot yang paling berat menjadi hasil siapa pemohon yang layak menerima kredit. Di dalam metode AHP terkenal dengan namanya Indeks Random (IR). Indeks Random ini biasanya digunakan untuk membantu melakukan perhitungan dalam menyelesaikan keputusan yang hubungannya dengan kriteria suatu masalah. Jadi, IR ini akan digunakan tergantung kepada berapa banyak kriteria yang digunakan sehingga IR secara sistematis Kemudian di dalam metode AHP ada yang namanya Rasio Konsistensi (CR). Fungsi dari rasio konsistensi ini ada untuk mengetahui apakah hitungan yang dilakukan sudah konsisten atau belum. Bisa diketahui sudah konsisten atau tidak adalah apabila dalam perhitungan CR lebih dari 0,1 maka, perhituangan harus diulang kembali, akan tetapi apabila perhitungan dibawah 0,1 atau 0,00 maka perhitungan metode AHP adalah konsisten

Langkah- langkah dalam metode AHP (skripsi dan tesis)

AHP mempunyai kemampuan untuk memecahkan masalah yang multiobjektif dan multi-kriteria yang berdasar pada perbandingan preferensi dari setiap elemen dalam hirarki. Pada dasarnya langkah-langkah dalam metode AHP meliputi:   1. Mendefisinikan masalah dan menentukan solusi. 2. Membuat struktur hirarki yang diawali dengan tujuan umum, dilanjutkan dengan kriteria dan alternatif pada tingkatan kriteria paling bawah Penjelasan: a. Tujuan (goal) yang akan di capai atau penyelesaian masalah yang dikaji. b. Kriteria, kriteria apa saja yang harus dipenuhi oleh smua alternatif (penyelesaian) agar layak untuk menjadi pilihan ideal. c. Alternatif, pilihan penyelesaian masalah. 3. Membuat matriks perbandingan berpasangan yang menggambarkan kontribusi relatif atau pengaruh setiap elemen terhadap masing-masing tujuan. Perbandingan dilakukan berdasarkan ‘judgment” dari pengambil keputusan dengan menilai tingkat kepentingan suatu elemen dibandingkan elemen lainnya.  4. Melakukan perbandingan berpasangan sehingga di peroleh judgment seluruhnya sebanyak n x [(n-1)/2]buah, dengan n adalah banyaknya elemen yang dibandingkan. 5. Menghitung nilai eigen dan menguji konsistensinya, jika tidak konsisten maka pengambilan data diulangi. 6. Mengulangi langkah 3,4, dan 5 untuk seluruh tingkat hirarki. 7. Menghitung vektor eigen dari setiap matriks perbandingan berpasangan. Nilai vektor eigen merupakan bobot setiap elemen. Langkah ini untuk mensintesis judgment dalam penentuan prioritas elemen-elemen pada tingkat hirarki terendah sampai pencapaian tujuan. 8. Memeriksa konsisten hirarki. Jika nilainya lebih dari 10 persen maka penilaian data judgment harus diperbaiki. Pemilihan kriteria dan alternatif media televisi berbasis berita informasi. Dalam penelitian ini penulis mengambil 4 kriteria media televisi berbasis berita informasi, yaitu: 1. Penting Dapat dimaknai sebagai sesuatu yang utama, yang membutuhkan perhatian, dan harus diketahui masyarakat luas. Karena sesuatu, selain membutuhkan jalan keluar atau solusi, juga terkait erat dengan kepentingan masyarakat luas. 2. Menarik Tidak semua berita yang disiarkan di media televisi karena pentingnya, sebagian diangkat menjadi berita karena aspek menariknya sebuah peristiwa, kejadian, atau suatu gagasan. Sesuatu dikatakan menarik bila sesuatu itu unik, langka, aneh, atau sesuatu yang mengandung daya tarik insani (human interest). Di dalamnya bisa karena ada unsur ketegangan, kecemasan, kepopuleran, atau sisi daya tarik insani lainnya. Ini sebabnya peristiwa, atau kejadian yang menarik tetap layak diberitakan.   3. Aktual (baru) berita yang disampaikan harus yang terkini atau terbaru, jarak maupun waktu kejadian harus berdekatan dengan waktu penyampaian berita. 4. Faktual (nyata) Berita atau informasi yang disampaikan harus berdasarkan fakta atau kejadian yang sebenarnya. Dan harus menjadi pertimbangan mutlak dalam menentukan kelayakan suatu berita. Sumber: www.hukumonline.com

Analytical Hierrchy Process (AHP) (skripsi dan tesis)

AHP (Analytical HierarchyProcess) adalah salah satu metode dalam sistem pengambilan keputusan yang menggunakan beberapa variabel dengan proses analisis bertingkat. Analisis dilakukan dengan memberi nilai prioritas dari tiap-tiap variabel, kemudian melakukan perbandingan berpasangan dari variabelvariabel dan altematif-alternatif yang ada. AHP yang dikembangkan oleh Thomas L. Saaty, dapat memecahkan masalah yang kompleks dimana aspek atau kriteria yang diambil cukup banyak. Ini disebabkan oleh struktur masalah yang belum jelas ketidakpastian persepsi pengambil keputusan serta data statistik yang tidak ada sama sekali. Menurut Yahya (2014:131) kelebihan AHP dibandingkan dengan yang lainnya adalah: 1. Struktur yang berhirarki, sebagai konsekuensi dari kriteria yang dipilih. 2. Memperhitungkan validitas sampai dengan batas toleransi inkonsistensi berbagai kriteria dan alternatif yang dipilih oleh para pengambil keputusan. 3. Memperhitungkan daya tahan atau ketahanan output analisis sensitivitas pengambilan keputusan

Sistem Pendukung Keputusan (SPK) (skripsi dan tesis)

 

SPK (Sistem Pendukung Keputusan) adalah pengembangan dari sistem informasi manajemen terkomputerisasi, yang dirancang sedemikian rupa sehingga bersifat interaktif dengan pemakaiannya. Sifat interaktif ini untuk memudahkan integrasi antara berbagai komponen dalam proses pengambilan keputusan, seperti prosedur, kebijakan, teknik analisis, serta pengalaman dan wawasan manajerial guna membentuk suatu kerangka keputusan yang bersifat fleksibel. Sudirman dan Widjajani (2014:5) mengemukakan ciri-ciri SPK yang dirumuskan oleh Alters Keen, sebagai berikut : 1. SPK ditujukan untuk membantu keputusan-keputusan yang kurang terstruktur dan umumnya dihadapi oleh para manajer yang berada di tingkat puncak. 2. SPK merupakan gabungan antara kumpulan model kualitatif dan kumpulan data. 3. SPK memiliki fasilitas interaktif yang dapat mempermudah hubungan antara manusia dan komputer. 4. SPK bersifat luwes dan dapat menyesuaikan dengan perubahan-perubahan yang terjadi

Prinsip kerja AHP (skripsi dan tesis)

Prinsip kerja AHP penyerhanaan suatu persoalan kompleks yang tidak terstruktur, stratejik, dan dinamik menjadi bagian-bagianya, srta menata suatu hierarki. Ide dasar prinsip kerja AHP sebagai berikut: 1. Penyusunan hierarki persoalan diuraikan menajdi unsur-unsur yang memiliki kriteria dan alternative yang kemusia disusun menjadi sebuah diagram mempresentasikan keputusan memilih dengan menggunakan metode AHP. 2. Penilaian kriteria dan alternative dinilai melalui perbandingan berpasangan, kriteria tersebut menggunakan skala.   3. Penentuan prioritas, setiap kriteria dan alternative perlu dilakukan perbandingan berpasangan yang akan diolah untuk menentukan peringkat relatife dari seluruh alternatif. Kriteria kualitatif dan kuantitatif akan dibandingkan sesuai dengan judgement yang telah ditentukan berdasarkan bobot dan prioritas. 4. Konsistensi logis, semua elemen dikelompokkan secara logis dan diperingkatkan secara konsisten sesuai kriteria yang logis

Analisis AHP (Analytical Hierarchy Process) (skripsi dan tesis)

Proses Hirarki Analitik (PHA) atau yang biasa dikenal Analitycal Hierarchy process (AHP) merupakan teknik yang dikelompokkan oleh Dr. Thomas L. Saaty, pada awal tahun 1991. PHA telah banyak digunakan oleh para pengambil keputusan untuk membantu memecahkan masalah yang kompleks dan telah teruji efektif dalam mengidentifikasi dan menentukan prioritas dalam suatu pengambilan keputusan. Metode PHA ditunjukan untuk memodalkan problema-problema tidak terstruktur, baik dalam bidang ekonomi, social, maupun sains manajemen. Teuku Afriliansyah, (2018) analisis AHP merupakan suatu model pendukung keputusan. AHP memerlukan pemilihan nilai alternatif dalam perbandingan berpasangan karena dapat memiliki sifat ketidakpastian serta harus dipertimbangkan kembali agar terdapat banyak penilaian dan perbandingan pasangan. AHP merupakan sebuah metode pengambilan keputusan yang digunakan sebagai alternatif yang diperoleh berdasarkan kriteria tertentu. Metode AHP banyak digunakan pada saat mengambil keputusan agar dapat menyelesaikan masalah – 18 masalah dalam hal perencanaan, menentukan alternatif, menyusun prioritas, pemilihan kebijakan, penentuan kebutuhan, peramalan hasil, perencanaan hasil, perencanaan sistem, pengukuran performance, optimasi dan pemecahan suatu konflik tertentu. Menurut Saaty (1991), secara khusus metode AHP dapat digunakan untuk persoalan keputusan seperti: 1. Menetapkan prioritas 2. Menghasilkan seperangkat alternatif 3. Memilih alternatif kebijakan yang terbaik 4. Menetapkan berbagai persyaratan 5. Mengaplikasikan sumber daya 6. Meramalkan hasil dan menaksir resiko 7. Mengukur prestasi 8. Merancang sistem 9. Menjamin kemantapan sistem 10. Mengoptimumkan 11. Merencanakan 12. Memecahkan konflik Tiga prinsip dasar proses AHP (Saaty,1991) adalah: 1. Menggambarkan dan menguraikan secara hirarki, yang disebut dasar menyusun secara hirarki, yaitu memecah-mecah persoalan menjadi unsurunsur terpisah. 19 2. Perbedaan prioritas dan sintesis, yang kita sebut penetapan priorias, yaitu menentukan peringkat elemen-elemen menurut relatife penting. 3. Konsistensi silogis, yaitu menjamin bahwa semua elemen dikelompokkan secara logis dan konsisten sesuai dengan suatu kriteria yang logis. Langkah – langkah dalam metode Analitical Hierarcy Process adalah sebagai berikut: 1. Menentukkan jenis-jenis kriteria yang digunakan. 2. Menyusun kriteria-kriteria tersebut dalam bentuk matriks berpasangan. 3. Hasil dari penjumlahan baris dibagi dengan elemen prioritas relatif. 4. Jumlahkan hasil bagi tersebut dengan banyaknya elemen yang digunakan. 5. Selanjutnya hitung consistency index (CI) menggunakan rumus CI = (λmaks – n) / (n-1) 6. Menentukkan nilai lamda max (eigen value) dengan rumus: ƛ Max = ∑𝑎  n 7.Menghitung Konsistensi index (Ci) Perbandingan antara CI dan RI untuk satu matriks didefinisikan sebagai rasio konsistensi, CR= CI/RI Beberapa penyusunan AHP pada bagian Hirarki sebagai berikut: 1. Penyederhanaan masalah ke dalam bagian-bagian yang menjadi elemen – elemen pokok 21 2. Penentuan kriteria-kriteria yang relevan dari setiap elemen pokok, hingga identifikasi beberapa aternatif keputusan 3. Tidak ada batasan tentang jumlah tingkat dalam hirarki 4. Hirarki harus bersifat fleksibel (dapat diubah) untuk menampung adanya kriteria yang baru ditemukan. Menurut Saaty (1991), keuntungan penggunaan metode AHP antara lain: 1. Kesatuan, AHP bekerja pada model tunggal berupa hirarki dari suatu proses pemilihan alternatife terbaik yang bersifat mudah di mengerti dan luas untuk aneka ragam persoalan. 2. Penyusunan hirarki, AHP mempresentasikan permasalahan kompleks ke dalam model hirarki yang logis dan sederhana. Hal ini mencerminkan kecenderungan alami pikiran untuk memilah-milah elemen-elemen suatu sistem dalam berbagai tingkat berlainan dan mengelompokkan unsur yang serupa ke dalam setiap tingkat. 3. Kompleksitas, AHP memadukan analisis secara bagian-bagian (rancangan deduktif) dan rancangan sistem dalam memecahkan persoalan kompleks. 4. Saling ketergantungan, AHP dapat menangani saling ketergantungan elemen-elemen dalam suatu sistem dan tidak memaksakan pemikiran yang rumit atau sulit untuk dapat dimengerti. 5. Konsistensi, AHP dapat melacak konsistensi logis dari pemberian atau penetapan berbagai priotitas dari setiap kriteria ataupun alternative. 6. Sintesis, AHP menuntun ke suatu taksiran menyeluruh tentang kebaikan setiap alternative. 22 7. Pengukuran, AHP memberikan suatu skala pengukuran yang bersifat fleksibel, yaitu melakukan pembandingan kriteria dari berbagai alternative skala prioritas. 8. Pengulangan proses, AHP memungkinkan kita dapat memperluas definisi dari suatu persoalan dan memperbaiki pertimbangan dan pengertian melakukan pengulangan. 9. Tawar-menawar, AHP mempertimbangkan prioritas relative dari berbagai elemen-elemen dari sistem dan memungkinkan orang untuk memilih alternative terbaik berdasarkan tujuan-tujuan mereka. 10. Penilaian dan consensus, AHP tidak memaksakan sensus tetapi mensintesis suatu hasil yang representative dari berbagai penilaian yang berbeda-beda. Berikut ini Kelebihan dari penggunaan metode AHP yaitu: 1. Jika Rasio Indeks (RI) lebih besar dari 0,1, maka mutu informasi harus diperbaiki dengan revisi penggunaan pertanyaan maupun melakukan pengisian ulang kuesioner. Jika tindakan ini gagal memperbaiki konsisitensi, ada kemungkinan persoalan ini tidak terstruktur secara tepat. 2. Responden adalah orang-orang yang harus menikuti, menguasai, dan mempengaruhi pengambilan kebijakan atau mengetahui informasi yang dibutuhkan. AHP memiliki beberapa kekurangan, ialah sebagai berikut: 1. Ketergantungan model AHP pada input utamanya. Input utama ini berupa persepsi seorang ahli sehingga dalam hal ini melibatkan 23 subyektifitas sang ahli selain itu juga model menjadi tidak berarti jika ahli tersebut memberikan penilaian yang keliru. 2. Metode AHP ini hanya metode matematis tanpa ada pengujian secara statistik sehingga tidak ada batas kepercayaan dari kebenaran model yang terbentuk

Analycal hierarchy process ( AHP ) (skripsi dan tesis)

Salah satu jenis pemodelan yang diterapkan dalam sistem pendukung keputusan adalah Analytical Hierarchy Process(AHP). AHP dikembangkan oleh Thomas L.Saaty. Metode AHP merupakan metode hirarki fungsional dengan masukan utamanya nilai-nilai yang didapatkan berdasarkan persepsi manusia. Terdapat 4 prinsip pokok dalam AHP yaitu : a. Menyusun hirarki yaitu memecah persoalan menjadi kelompok-kelompok atau unsur-unsur yang terpisah. b. Penilaian kriteria dan alternatif dilakukan dengan perbandingan berpasangan dengan mangacu pada skala penilaian perbandingan berpasangan Saaty. Untuk memulai proses perbandingan berpasangan dipilih sebuah kriteria dari level paling atas hierarki. c. Penetapan prioritas dengan menentukan peringkat elemen (kriteria) menurut relative pentingnya. d. Konsistensi logis yaitu menjamin semua elemen dikelompokkan secara logis dan diperingkatkan secara konsisten sesuai dengan kriteria yang logis. Untuk   penilaiannya menggunakan  Skala Perbandigan 1-9 Saaty

Sistem Pendukung keputusan (skripsi dan tesis)

Sistem Pendukung Keputusan (SPK) adalah suatu bentuk computer base information system (CBIS) yang interaktif, fleksibel, dan secara khusus dikembangkan untuk mendukung penyelesaian dari manajemen yang tidak 10 terstruktur untuk memperbaiki pembuatan keputusan, sistem pendukung keputusan menggunakan data-data sebagai inputan dan dengan suatu proses menghasilkan output yang akan membantu pembuat keputusan (Turban, 1995). Pengambilan keputusan merupakan pemilihan diantaranya beberapa alternatif pemecahan masalah. Pada hakikatnya keputusan itu diambil jika pimpinan menghadapi masalah atau untuk mencegah timbulnya masalah dalam organisasi. Pimpinan harus mengambil keputusan untuk memilih cara mana yang dianggap paling tepat yang akan digunakan ( Ibnu Syamsi, 2000 ) Dalam sistem pengambilann keputusan terdapat tahapan – tahapan yang harus dilalui antara lain : 1. Tahap Pemahaman ( inteligence Phace ) Tahap ini merupakan proses penelusuran dan pendeteksian dari lingkup problematika serta proses pengenalan masalah. Data masukan diperoleh, diproses dan diuji dalam rangka mengidentifikasi masalah. 2. Tahap Perancangan ( Design Phace ) Tahap ini merupakan proses pengembangan dan pencarian alternatif tindakan / solusi yang dapat diambil. Tersebut merupakan representasi kejadian nyata yang disederhanakan, sehingga diperlukan proses validasi dan vertifikasi untuk mengetahui keakuratan model dalam meneliti masalah yang ada. 3. Tahap Pemilihan ( Choice Phace )  Tahap ini dilakukan pemilihan tahap diantaraberbagai alternatif solusi yang dimunculkan pada tahap perencanaan agar ditentukan / dengan memperhatikan kriteria – kriteria berdasarkan tujuan yang akan dicapai. 4. Tahap Implementasi ( Implementation Phace ) Tahap ini dilakukan penerapan terhadap rancangan sistem yang telah dibuat pada tahap perancangan serta pelaksanaan alternatif tindakan yang telah dipilih pada tahap pemilihan

Proses Penentuan Prioritas dengan Metode AHP (skripsi dan tesis)

Tahapan-tahapan pengambilan keputusan dalam metode AHP pada dasarnya meliputi: a. Mendefinisikan masalah dan menentukan solusi yang diinginkan b. Membuat struktur hirarki yang diawali dengan tujuan umum, dilanjutkan dengan kriteria-kriteria, sub kriteria dan alternatif-alternatif pilihan yang ingin diranking c. Membentuk matriks perbandingan berpasangan yang menggambarkan kontribusi relatif atau pengaruh setiap elemen terhadap masing-masing tujuan atau kriteria yang setingkat diatasnya. Perbandingan dilakukan berdasarkan pilihan atau “judgment” dari pembuat keputusan dengan menilai tingkat kepentingan suatu elemen dibandingkan elemen lainnya d. Menormalkan data yaitu dengan membagi nilai dari setiap elemen di dalam matriks yang berpasangan dengan nilai total dari setiap kolom e. Menghitung nilai eigen vector dan menguji konsistensinya, jika tidak konsisten pengambil data (preferensi) perlu diulangi. Nilai eigen vector yang dimaksud adalah nilai eigen vector maximum yang diperoleh dengan menggunakan matlab maupun manual f. Mengulangi langkah 3,4, dan 5 untuk seluruh tingkat hirarki g. Menghitung eigen vector dari setiap matriks perbandingan  berpasangan. Nilai eigen vector merupakan bobot setiap elemen. h. Langkah ini mensintesis pilihan dan penentuan prioritas elemenelemen pada tingkat hirarki terendah sampai pencapaian tujuan i. Menguji konsistensi hirarki. Jika tidak memenuhi dengan CR<0,100 maka penilaian harus diulang kembali

AHP (Analytic Hierarchy Process) (skripsi dan tesis)

Metode Analytic Hierarchy Process (AHP) dikembangkan oleh Prof. Thomas Lorie Saaty (1998) dari Wharston Business school untuk mencari ranking atau urutan prioritas dari berbagai alternatif dalam pemecahan suatu permasalahan. Dalam kehidupan sehari-hari, seseorang senantiasa dihadapkan untuk melakukan pilihan dari berbagai alternatif. Diperlukan penentuan prioritas dan uji konsistensi terhadap pilihan-pilihan yang telah dilakukan. Dalam situasi yang kompleks, pengambilan keputusan tidak dipengaruhi oleh satu faktor saja melainkan multi faktor dan mencakup berbagai jenjang maupun kepentingan. Pada dasarnya AHP adalah suatu teori umum tentang pengukuran yang digunakan untuk menemukan skala rasio baik dari perbandingan berpasangan yang diskrit maupun kontinu. Perbandingan-perbandingan ini dapat diambil dari ukuran aktual atau skala dasar yang mencerminkan kekuatan perasaan dan preferensi relatif. AHP memiliki perhatian khusus tentang penyimpangan dari konsistensi, pengukuran dan ketergantungan di dalam dan di luar kelompok elemen  strukturalnya. Analytic Hierrchy Process (AHP) mempunyai landasan aksiomatik yang terdiri dari: 1. Resiprocal Comparison, yang mengandung arti bahwa matriks perbandingan berpasangan yang terbentuk harus bersifat berkebalikan. Misalnya, jika A adalah k kali lebih penting dari pada B maka B adalah 1/ k kali lebih penting dari A. 2. Homogenity, yang mengandung arti kesamaan dalam melakukan perbandingan. Misalnya, tidak dimungkinkan membandingkan jeruk dengan bola tenis dalam hal rasa, akan tetapi lebih relevan jika membandingkan dalam hal berat. 3. Dependence, yang berarti setiap jenjang (level) mempunyai kaitan (complete hierarchy) walaupun mungkin saja terjadi hubungan yang tidak sempurna (incomplete hierarchy). 4. Expectation, yang artinya menonjolkan penilaian yang bersifat ekspektasi dan preferensi dari pengambilan keputusan. Penilaian dapat merupakan data kuantitatif maupun yang bersifat kualitatif. Dalam menyelesaikan persoalan dengan metode Analytic Hierarchy Process (AHP). Beberapa prinsip dasar yang harus dipahami antara lain: a. Decomposition; b. Comparative judgment; c. Synthesis of Priority; d. Logical Consistency. 15 a. Decomposition Pengertian decomposition adalah memecahkan atau membagi problema yang utuh menjadi unsur-unsurnya ke dalam bentuk hirarki proses pengambilan keputusan, dimana setiap unsur atau elemen saling berhubungan. Untuk mendapatkan hasil yang akurat, pemecahan dilakukan terhadap unsur-unsur sampai tidak mungkin dilakukan pemecahan lebih lanjut, sehingga didapatkan beberapa tingkatan dari persoalan yang hendak dipecahkan. Struktur hirarki keputusan tersebut dapat dikategorikan sebagai complete dan incomplete. Suatu hirarki keputusan disebut complete jika semua elemen pada suatu tingkat memiliki hubungan terhadap semua elemen yang ada pada tingkat berikutnya, sementara hirarki keputusan incomplete kebalikan dari hirarki yang complete. Bentuk struktur dekomposisi yakni : Tingkat pertama : Tujuan keputusan (Goal) Tingkat kedua : Kriteria – kriteria Tingkat ketiga : Alternatif – alternatif Hirarki masalah disusun untuk membantu proses pengambilan keputusan dengan memperhatikan seluruh elemen keputusan yang terlibat dalam sistem. Sebagian besar masalah menjadi sulit untuk diselesaikan karena proses pemecahannya dilakukan tanpa memandang masalah sebagai suatu sistem dengan suatu struktur tertentu. b. Comparative judgment Comparative Judgment dilakukan dengan membuat penilaian tentang kepentingan relatif dua elemen pada suatu tingkat tertentu dalam kaitannya dengan tingkatan diatasnya. Penilaian ini merupakan inti dari AHP karena akan berpengaruh terhadap urutan prioritas dari elemen-elemenya. Hasil dari penilaian ini lebih mudah disajikan dalam bentuk matriks pairwise comparisons yaitu matriks perbandingan berpasangan yang memuat tingkat preferensi beberapa alternatif untuk tiap kriteria. Skala preferensi yang digunakan yaitu skala 1 yang menunjukkan tingkat yang paling rendah (equal importance) sampai dengan skala 9 yang menunjukkan tingkatan yang paling tinggi (extreme importance). c. Synthesis of Priority Synthesis of Priority dilakukan dengan menggunakan eigen vector method untuk mendapatkan bobot relatif bagi unsur-unsur pengambilan keputusan. d. Logical Consistency Logical Consistency merupakan karakteristik penting AHP. Hal ini dicapai dengan mengagregasikan seluruh eigen vector yang diperoleh dari berbagai   tingkatan hirarki dan selanjutnya diperoleh suatu vector composite tertimbang yang menghasilkan urutan pengambilan keputusan

Tahapan Pembuatan Sistem Pendukung Keputusan (skripsi dan tesis)

Sebelum melakukan rancang bangun terhadap sistem pendukung keputusan, ada beberapa tahapan yang perlu dilalui, yang diharapkan akan menghasilkan alternatif informasi sebagai dasar pengambilan suatu keputusan. Alur/ proses pemilihan alternatif tindakan/keputusan biasanya terdiri dari langkahlangkah berikut : a. Tahap Penelusuran (Intelligence Phase) Suatu tahap penelusuran terhadap masalah yang dihadapi, terdiri dari aktivitas penelusuran, pendeteksian serta proses pengenalan masalah. Data masukan diperoleh, diuji dalam rangka mengidentifikasi masalah. b. Tahap Perancangan (Design Phase) Tahap proses pengambil keputusan setelah tahap intellegence meliputi proses untuk mengerti masalah, menurunkan solusi dan menguji kelayakan solusi. Aktivitas yang biasanya dilakukan seperti menemukan, mengembangkan dan menganalisa alternatif tindakan yang dapat dilakukan. c. Tahap Pilihan (Choice Phase) Pada tahap ini dilakukan proses pemilihan diantara berbagai alternatif tindakan yang mungkin dijalankan. Hasil pemilihan tersebut kemudian  diimplementasikan dalam proses pengambilan keputusan. d. Tahap Implementasi (Implementation Phase) Pada tahap ini merupakan tahap pelaksanaan dari keputusan yang telah diambil. Pada tahap ini perlu disusun serangkaian tindakan yang terencana, sehingga hasil keputusan dapat dipantau dan disesuaikan apabila diperlukan perbaikan-perbaikan

Tujuan Sistem Pendukung Keputusan (skripsi dan tesis)

Tujuan sistem pendukung keputusan yang dikemukakan (Mc Leod, 1995) mempunyai tiga tujuan yang akan dicapai adalah :   a. Membantu manajer dalam membuat keputusan untuk memecahkan masalah semiterstruktur. b. Mendukung penilaian manajer bukan mencoba menggantikannya. c. Meningkatkan efektifitas pengambilan keputusan manajer daripada efisiensinya

Definisi Sistem Pendukung Keputusan (skripsi dan tesis)

Pengertian sistem pendukung keputusan yang dikemukakan oleh Michael S Scott Morton dan Peter G W Keen, dalam buku Sistem Informasi Manajemen (McLeod, 1998) menyatakan bahwa sistem pendukung keputusan merupakan sistem penghasil informasi yang ditujukan pada suatu masalah yang harus dibuat oleh manajer. Raymond McLeod, Jr mendefinisikan sistem pendukung keputusan merupakan suatu sistem informasi yang ditujukan untuk membantu manajemen dalam memecahkan masalah yang dihadapinya (McLeod, 1998). Definisi selengkapnya adalah sistem penghasil informasi spesifik yang ditujukan untuk memecahkan suatu masalah tertentu yang harus dipecahkan oleh manajer pada berbagai tingkatan (McLeod, 1998). Menurut Litlle (1999) sistem pendukung keputusan adalah suatu sistem informasi berbasis komputer yang menghasilkan berbagai alternatif keputusan untuk membantu manajemen dalam menangani berbagai permasalahan yang terstruktur ataupun tidak terstruktur dengan menggunakan data atau model.

Penyusunan Hirarki Dalam AHP (skripsi dan tesis)

Setiap analisis yang menggunakan AHP mula-mula harus mendefinisikan situasi dengan seksama, memasukkan sebanyak mungkin rincian yang relevan, lalu menyusun model secara hirarki yang terdiri atas beberapa tingkat rincian, yaitu fokus masalah, kriteria, dan alternatif. Hirarki tertinggi ialah fokus masalah. Hirarki ini hanya terdiri atas satu elemen yaitu sasaran/tujuan menyeluruh. Fokus masalah merupakan masalah utama yang perlu dicari solusi.  Tingkat kedua ialah kriteria. Kriteria merupakan aspek penting yang perlu dipertimbangkan dalam mengambil keputusan atas fokus masalah. Tingkat terendah ialah alternatif. Alternatif merupakan berbagai tindakan akhir, atau rencana-rencana alternatif. Alternatif merupakan pilihan keputusan dari penyelesaian masalah yang dihadapi (Herjanto, 2009:254-255)

Prinsip-prinsip Analytical Hierarchy Process (AHP) (skripsi dan tesis)

Dalam melakukan analisis menggunakan metode AHP, terdapat beberapa prinsip yang harus diperhatikan. Menurut Syukron (2014:256) ada tiga prinsip pokok AHP, yaitu :   1. Prinsip Penyusunan Hirarki Untuk memperoleh pengetahuan yang rinci, pikiran kita menyusun realitas yang kompleks ke dalam bagian yang menjadi elemen pokoknya, dan kemudian bagian kendala dan bagian-bagiannya lagi dan seterusnya secara hirarki. 2. Prinsip Menentukan Prioritas Prioritas ini ditentukan berdasarkan pandangan para pakar atau pihakpihak terkait yang berkompeten terhadap pengambilan keputusan. Baik secara langsung maupun tidak langsung. 3. Prinsip konsistensi logis Dalam mempergunakan prinsip ini, AHP memasukkan baik aspek kualitatif maupun kuantitatif untuk mengekspresikan penilaian dan preferensi secara ringkas dan padat sedangkan aspek kualitatif untuk mendefinisikan persoalan dan hirarkinya

Pengertian Analytical Hierarchy Process (AHP) (skripsi dan tesis)

Analytical Hierarchy Process (AHP) merupakan suatu metode pengambilan keputusan yang pertama kali dikembangkan oleh Prof. Thomas Lorie Saaty yang merupakan ahli matematika dari Wharton School of Business. Metode AHP pertama kali dikembangkan pada tahun 1970 dan dipublikasikan pada tahun 1980. Menurut Syukron (2014:255) Analytical Hirarchy Process (AHP) adalah sebuah hirarki fungsional dalam pengambilan keputusan dengan input utamanya adalah persepsi manusia.   Taylor (2014:449) menyatakan: “AHP adalah sebuah metode untuk memeringkat alternatif keputusan dan memilih yang terbaik dengan beberapa kriteria. AHP mengembangkan satu nilai numerik untuk memeringkat setiap alternatif keputusan, berdasarkan pada sejauh mana tiap-tiap alternatif memenuhi kriteria pengambil keputusan.” Menurut Herjanto (2009:253) AHP adalah suatu teknik pengambilan keputusan yang dikembangkan untuk kasus-kasus yang memiliki berbagai tingkat (hirarki) analisis. Menurut Wibisono (2006:167) Analytical Hierarchy Process (AHP) adalah alat bantu pengambilan keputusan yang sederhana, untuk menangani masalah yang kompleks, tidak terstruktur, bahkan multiatribut. Putri (2012) menyatakan: “ AHP merupakan analisis yang digunakan dalam pengambilan keputusan dengan pendekatan sistem, dimana pengambil keputusan berusaha memahami suatu kondisi sistem dan membantu melakukan prediksi dalam mengambil keputusan.” Berdasarkan pengertian-pengertian di atas, dapat disimpulkan bahwa AHP merupakan suatu metode pengambilan keputusan yang dikembangkan untuk menyusun suatu permasalahan ke dalam suatu hirarki yang selanjutnya dilakukan pembobotan (menentukan prioritas) berdasarkan persepsi para pengambil keputusan untuk memilih keputusan terbaik

Anthropometri (skripsi dan tesis)

Aspek–aspek ergonomi dalam suatu proses rancang bangun fasilitas kerja adalah merupakan suatu faktor penting dalam menunjang peningkatan pelayanaan jasa produksi. Terutama dalam hal perancangan ruang dan fasilitas akomodasi. Perlunya memperhatikan faktor ergonomi dalam proses rancang bangun fasilitas dalam dekade sekarang ini adalah merupakan sesuatu yang tidak dapat ditunda lagi. Hal tersebut tidak akan terlepas dari pembahasan mengenai ukurananthropometri tubuh operator maupun penerapan data–data anthropometrinya. Pengertian athropometri adalah studi yang berkaitan dengan pengukuran dimensi tubuh manusia (Wignjosoebroto, 2008). Pengertian Istilah antropometri berasal dari kata “anthro” = manusia dan “metri” = ukuran. Secara definitif dapat dinyatakan sebagai satu studi yang berkaitan dengan pengukuran dimensi tubuh manusia. Antropometri merupakan bidang ilmu yang berhubungan dengan dimensi tubuh manusia. Dimensi-dimensi ini dibagi menjadi kelompok statistika dan ukuran persentil. Jika seratus orang berdiri berjajar dari yang terkecil sampai terbesar dalam suatu urutan, hal ini akan dapat diklasifikasikan dari 1 percentile sampai 100 percentile. 18 Data dimensi manusia ini sangat berguna dalam perancangan produk dengan tujuan mencari keserasian produk dengan manusia yang memakainya. Pemakaian data antropometri mengusahakan semua alat disesuaikan dengan kemampuan manusia, bukan manusia disesuaikan dengan alat. Penyusunan data Anthropometri perlu memperhatikan variabilitas yang ada, sebab terdapat beberapa faktor yang mempengaruhi ukuran tubuh manusia. Faktor-faktor tersebut adalah : a. Keacakan (Random) Walau telah terdapat dalam suatu kelompok populasi yang sudah jelas sama jenis kelamin, suku/ bangsa, kelompok usia dan pekerjaannya, namun masih ada perbedaan yang cukup signifikan antara berbagai macam masyarakat. Distribusi frekuensi secara statistik dari dimensi kelompok anggota masyarakaat jelas dapat dioprokasikan dengan menggunakan distribusi normal, yaitu dengan menggunakan data persentil yang telah diduga, jika mean (rata-rata) dan standart deviasi (SD) nya telah dapat diestimasi. b. Jenis kelamin Dimensi ukuran tubuh laki-laki umumnya lebih besar dibandingkan dengan wanita, terkecuali untuk beberapa bagian tubuh tertentu seperti pinggul, dan sebagainya. c. Suku bangsa Setiap suku, bangsa, ataupun kelompok ethnic memiliki karakteristik fisik yang berbeda satu dengan yang lainnya. Dimensi tubuh suku bangsa Negara Barat pada umumnya mempunyai ukuran yang lebih besar daripada dimensi tubuh suku bangsa negara Timur. d. Jenis pekerjaan Beberapa jenis pekerjaan tertentu menurut adanya persyaratan dalam seleksi karyawan/ stafnya. Seperti misalnya : buruh dermaga/ pelabuhan adalah harusmempunyai postur tubuh yang 19 relatif lebih besar dibanding dengan karyawan perkantoran pada umumnya. Apalagi jika dibanding dengan jenis pekerjaan militer. e. Usia Ukuran tubuh manusia berkembang dari saat lahir sampai sekitar 20 tahun untuk pria dan 17 tahun untuk wanita. Setelah itu, tidak lagi akan terjadi pertumbuhan bahkan justru akan cenderung berubah menjadi pertumbuhan menurun ataupun penyusutan yang dimulai sekitar umur 40 tahun. f. Pakaian Hal ini juga merupakan sumber variabilitas yang disebabkan oleh bervariasinya iklim/ musim yang berbeda dari satu tempat ketempat yang lainnya terutama untuk daerah dengan empat musim. Misalnya pada waktu musim dingin manusia akan memakai pakaian yang relatif lebih tebal dan ukuran yang relatif lebih besar. g. Faktor kehamilan pada wanita Faktor ini sudah jelas akan mempunyai pengaruh perbedaan yang berarti dibanding dengan wanita yang tidak hamil. h. Cacat tubuh secara fisik Suatu perkembangan yang menggembirakan pada dekade terakhir yaitu dengan diberikanya skala prioritas pada rancangan bangun fasilitas akomodasi, untuk para penderita cacat tubuh secara fisik sehingga mereka dapat ikut serta merasakan “kesamaan” dalam penggunaan jasa dari ilmu ergonomi didalam pelayanaan untuk masyarakat. Masalah yang sering timbul misalnya: keterbatasan jarak jangkauan, dibutuhkan ruang kaki (knee space) untuk desain meja kerja, jalur khusus untuk keluar masuk perkantoran, kampus, hotel, restoran, super market dan lainlain. (Nurmianto, 2004) i. Posisi tubuh (posture) Sikap ataupun posisi tubuh berpengaruh terhadap ukuran 20 tubuh; oleh karena itu posisi tubuh standar harus diterapkan untuk survei pengukuran. Berkaitan dengan posisi tubuh manusia, anthropometri dibagi menjadi dua bagian, yaitu: 1. Anthropometri statis (structural body dimensions) Anthropometri statis adalah pengukuran manusia pada posisi diam dan linier pada permukaan tubuh. Anthropometri statis disebut juga pengukuran dimensi struktur tubuh dimana tubuh diukur dalam berbagai posisi standar dan tidak bergerak (tetap tegak sempurna). Dimensi tubuh yang diukur dalam anthropometri statis ini meliputi antara lain berat badan, tinggi tubuh dalam posisi berdiri maupun duduk, ukuran kepala, tinggi atau panjang lutut pada saat berdiri atau duduk, panjang lengan, dan sebagainya. Ukuran dalam hal ini diambil dengan percentile tertentu seperti 5-th percentile, 50-th percentile dan 95-th percentile. Untuk itu, dibutuhkan metode pengukuran tertentu agar hasil pengukuran cukup representatif. 2. Anthropometri dinamis (functional body dimension) Anthropometri dinamis adalah pengukuran keadaan dan ciri-ciri fisik manusia dalam keadaan bergerak atau memperhatikan gerakan-gerakan yang mungkin terjadi saat manusia melaksanakan kegiatannya. Hasil yang diperoleh merupakan ukuran tubuh yang berkaitan erat dengan gerakangerakan nyata yang diperlukan tubuh untuk melaksanakan kegiatan-kegiatan tertentu. Anthropometri dalam posisi tubuh melaksanakan fungsinya yang dinamis banyak diaplikasikan dalam proses perancangan fasilitas ataupun ruang kerja. Terdapat tiga kelas pengukuran anthropometri dinamis, yaitu: N( x ,sX). Dengan demikian dapat disimpulkan bahwa data anthropometri akan menentukan bentuk, ukuran dan dimensi yang tepat yang berkaitan dengan produk yang dirancang dan manusia yang akan mengoperasikan atau menggunakan produk tersebut. 21 Agar rancangan suatu produk nantinya bisa sesuai dengan dengan ukuran tubuh manusia yang akan mengoperasikannya, maka prinsip–prinsip yang harus diambil didalam aplikasi data anthropometri tersebut harus ditetapkan terlebih dahulu antara lain : A. Prinsip perancangan produk bagi individu dengan ukuran yang ekstrim. Disini perancangan produk dibuat agar dapat memenuhi 2 sasaran produk yaitu :  Bisa sesuai dengan ukuran tubuh manusia yang mengikuti klasifikasi ekstrim  Tetap bisa digunakan untuk memenuhi ukuran tubuh yang lain (mayoritas dari populasi yang ada) B. Prinsip perancangan produk yang bisa dioperasikan diantara rentang tertentu. Disini rancangan bisa diubah–ubah ukurannya sehingga cukup fleksibel dioperasikan oleh setiap orang yang memiliki berbagai macam ukuran tubuh, contoh yang paling umum dijumpai adalah perancangan kursi mobil yang mana dalam hal ini letaknya bisa digeser maju mundur dan sudut sandarannya bisa diubah–ubah sesuai dengan yang diinginkan. Dalam kaitannya untuk mendapatkan rancangan yang fleksibel semacam ini, maka data anthropometri yang umum diaplikasikan adalah dalam rentang 5 – 95 persentil. C. Prinsip perancangan produk dengan ukuran rata–rata. Dalam hal ini rancangan produk didasarkan terhadap rata– rata ukuran manusia. Problem pokok yang dihadapi dalam hal ini justru sedikit sekali mereka yang berada dalam ukuran rata–rata. Disini produk dirancang dan dibuat untuk mereka yang berukuran sekitar rata–rata, sedangkan mereka yang memiliki ukuran ekstrim akan dibuatkan rancangan sendiri. (Ginting Rosnani, 2010). 22 Berkaitan dengan aplikasi data anthropometri yang diperlukan dalam proses perancangan produk ataupun fasilitas kerja, maka ada beberapa langkah dalam pembuatannya : a. Terlebih dahulu harus ditetapkan anggota tubuh mana yang nantinya akan difungsikan untuk mengoperasikan rancangan tersebut. b. Tentukan dimensi tubuh yang penting dalam proses perancangan tersebut. c. Tentukan populasi terbesar yang harus diantisipasi, diakomodasikan dan menjadi target utama pemakai produk tersebut. Hal ini lazim dikenal sebagai market segmentation seperti produk mainan untuk anak–anak, peralatan rumah tangga untuk wanita, dan lain–lain. d. Tetapkan prinsip ukuran yang harus diikuti semisal apakah rancangan tersebut untuk ukuran individu ekstrim, rentang ukuran yang fleksibel ataukah ukuran rata–rata. e. Pilih persentase populasi yang harus diikuti, 5, 50, 95, ataukah nilai persentil lain yang dikehendaki. f. Untuk setiap dimensi tubuh yang telah diidentifikasikan selanjutnya tetapkan nilai ukurannya dari tabel data anthropometri yang sesuai. Aplikasikan data tersebut dan tambahkan factor kelonggaran (allowance) bila diperlukan seperti halnya tambahan ukuran akibat factor tebalnya pakaian yang harus dikenakan operator, pemakaian sarung tangan (Glove), dan lain – lain. (Ginting Rosnani, 2010)

Tujuan dan Pentingnya Ergonomi (skripsi dan tesis)

Maksud dan tujuan dari disiplin ilmu ergonomi adalah meningkatkan kesejahteraan fisik dan mental melalui upaya pencegahan cidera dan penyakit akibat kerja, menurunkan beban kerja fisik dan mental, mengupayakan promosi dan kepuasan kerja. Human Engineering atau sering juga disebut sebagai ergonomi didefinisikan sebagai perancangan “man-machine interface’, sehingga pekerja dan mesin/produk lainnya bisa berfungsi lebih efektif dan efisien sebagai sistem manusia-mesin yang terpadu. (Wignjosoebroto, 2003) Dengan melakukan penilaian ergonomi di tempat kerja dapat diperoleh keuntungan yaitu (Wesley E Woodson, 2010) : 1. Mengoptimalkan pendayagunaan sumber daya manusia melalui peningkatan ketrampilan yang diperlukan. 2. Mengurangi waktu, biaya pelatihan dan pendidikan. 3. Mengurangi waktu yang terbuang sia-sia dan meminimalkan kerusakan peralatan yang disebabkan kesalahan manusia. 4. Meningkatkan kenyamanan karyawan dalam bekerja. Peran ergonomi sangat besar dalam menciptakan lingkungan kerja yang aman dan sehat. Pendekatan khusus yang ada pada disiplin ilmu ergonomi adalah aplikasi yang statis dari segala informasi yang relevan yang berkaitan dengan karakteristik dan perilaku manusia didalam perancangan peralatan, fasilitas, dan lingkungan kerja yang   dipakai. Untuk itu, analisis dan penelitian ergonomi akan meliputi halhal yang berkaitan dengan (Wignjosoebroto, 2003):  Anatomi (struktur), fisiologi (pekerjaan), dan antropometri (ukuran) tubuh manusia.  Psikologi dan fisiologis mengenai berfungsinya otak dan sistem syaraf yang berperan dalam tingkah laku manusia.  Kondisi-kondisi kerja yang dapat mencederai baik dalam waktu yang pendek maupun panjang, ataupun membuat celaka manusia. Dengan memperlihatkan hal-hal tersebut, maka penelitian dan pengembangan ergonomi akan memerlukan dukungan dari berbagai disiplin ilmu seperti psikologi, antropometri, faal/anatomi, dan teknologi (Wignjosoebroto, 2003).

Konsep Dasar Ergonomi (skripsi dan tesis)

Ergonomi berasal dari bahasa Yunani yang terdiri dari kata ergos yang
berarti kerja dan nomos yang artinya ilmu, sehingga secara harfiah ergonomi
dapat diartikan sebagai ilmu yang mempelajari mengenai hubungan antara
manusia dengan pekerjaannya. Secara umum ergonomi didefinisikan satu
cabang ilmu yang setatis untuk memanfaatkan informasi – informasi
mengenai sikap, kemampuan, dan keterbatasan manusia dalam merancang
suatu sistem kerja sehingga orang dapat hidup dan bekerja pada sistem itu
dengan baik, yaitu mencapai tujuan yang diinginkan melalui pekerjaan itu,
dengan efektif, sehat, nyaman, dan efesian. Disini di jelaskan bahwa fokus
ilmu ergonomi adalah manusia itu sendiri dalam arti dengan kaca mata
ergonomi, sistem kerja yang terdiri atas mesin, peralatan, lingkungan dan
bahan harus disesuaikan dengan sifat, kemampuan dan keterbatasan
manusia tetapi bukan manusia yang harus menyesuaikan dengan mesin, alat
dan lingkungan dan bahan. (Kohar Sulistiadi dan Sri Lisa Susanti, 2003).
Semboyan yang digunakan adalah “Sesuaikan pekerjaan dengan
pekerjanya dan sesuaikan pekerja dengan pekerjaannya” (Fitting the Task
to the Person. (Adnyana Manuaba, 2000) menyatakan bahawa fokus ilmu
ergonomi adalah ilmu, teknologi dan seni untuk menyerasikan peralatan,
mesin, pekerjaan, sistem, organisasi dan lingkungan dengan kemampuan,
keahlian dan manusia sehingga tercapai suatu kondisi dan lingkungan yang
sehat, aman, nyaman, efisien dan produktif, melalui pemanfaatan fungsional
tubuh manusia secara optimal dan maksimal. Dari beberapa pendapat di
atas, dapat ditarik tiga hal penting dalam mempelajari ilmu ergonomi, antara
lain :
 Ergonomi menitikberatkan manusia (human-centered). Fokus
ergonomi pada manusia merupakan hal yang utama bukan pada mesin
atau pada peralatan.
 Ergonomi membutuhkan bangunan sistem kerja yang terkait dengan
pengguna. Mesin dan peralatan yang merupakan fasilitas kerja harus
disesuaikan dengan performen manusia.
 Ergonomi menitikberatkan pada perbaikan sistem kerja. Suatu
perbaikan proses harus disesuaikan dengan perbedaan kemampuan
dan kelemahan setiap individu, hal ini harus dirumuskan dengan cara
diukur baik secara kualitatif maupun kauntitafif dalam jangka waktu
tertentu.
Sasaran dari ilmu ergonomi ini adalah untuk meningkatkan prestasi
kerja yang tinggi dalam kondisi aman, sehat, aman dan tenteram. Aplikasi
ilmu ergonomi digunakan untuk perancangan produk, meningkatkan
kesehatan dan keselamatan kerja serta meningkatkan produktivitas kerja.
Dengan mempelajari tentang ergonomi maka kita dapat mengurangi resiko
penyakit, meminimalkan biaya kesehatan, nyaman saat bekerja dan
meningkatkan produktivitas dan kinerja serta memperoleh banyak
keuntungan. Oleh karena itu penerapan prinsip ergonomi di tempat kerja
diharapkan dapat menghasilkan beberapa manfaat sebagai berikut
(Sulistiadi, 2003):
1. Mengerti tentang pengaruh dari suatu jenis pekerjaan pada diri pekerja
dan kinerja pekerja.
2. Memprediksi potensi pengaruh pekerjaan pada tubuh pekerja.
3. Mengevaluasi kesesuaian tempat kerja, peralatan kerja dengan pekerja
saat bekerja.
4. Meningkatkan produktivitas dan upaya untuk menciptakan kesesuaian
antara kemampuan pekerja dan persyaratan kerja.
5. Membangun pengetahuan dasar guna mendorong pekerja untuk
meningkatkan produktivitas.
6. Mencegah dan mengurangi resiko timbulnya penyakit akibat kerja.
7. Meningkatkan keselamatan kerja.
8. Meningkatkan keuntungan, pendapatan, kesehatan untuk individu dan
institusi.
Manusia dengan segala sifat dan tingkahlakunya merupakan makhluk
yang sangat kompleks. Untuk mempelajari manusia, tidak cukup ditinjau
dari satu disiplin ilmu saja. Oleh sebab itulah untuk mengembangkan
ergonomi diperlukan dukungan dari berbagai disiplin ilmu, antara lain
psikologi, antropologi, faal kerja atau fisiologi, biologi, sosiologi,
perencanaan kerja, fisika dan lain-lain. Masing-masing disiplin ilmu
tersebut berfungsi sebagai pemberi informasi. Pada gilirannya, para
perancang, dalam hal ini para ahli teknik, bertugas untuk meramu masingmasing informasi diatas, dan menggunakannya sebagai pengetahuan untuk
merancang fasilitas kerja sehingga mencapai kegunaan yang optimal

Aksioma-aksioma pada model AHP (skripsi dan tesis)

1. Resiprocal Comparison,artinya pengambil keputusan harus dapat membuat perbandingan dan menyatakan preferensinya. Preferensi tersebut harus memenuhi syarat resiprocal yaitu kalau A lebih disukai daripada B dengan skala x, maka B lebih disukai daripada A dengan skala 1/x. 2. Homogenity, artinya preferensi seseorang harus dapat dinyatakan dalam skala terbatas atau dengan kata lain elemen-elemennya dapat dibandingkan satu sama lain. Kalau aksioma ini tidak terpenuhi maka elemen-elemen yang dibandingkan tersebut tidak homogeneity dan harus dibentuk suatu „cluster‟ (kelompok elemen-elemen) yang baru. 3. Independence, artinya preferensi dinyatakan dengan mengasumsikan bahwa kriteria tidak dipengaruhi oleh alternatifalternatif yang ada melainkan oleh obyektif keseluruhan. Ini menunjukkan bahwa pola ketergantungan dalam AHP adalah searah ke atas, artinya perbandingan antara elemen-elemen pada tingkat di atasnya. 4. Expectation, artinya untuk tujuan pengambilan keputusan, struktur hirarki diasumsikan lengkap. Apabila asumsi ini tidak dipenuhi  maka pengambil keputusan. Memutuskan tidak memakai seluruh kriteria dan atau obyektif yang tersedia atau diperlukan sehingga keputusan yang diambil dianggap tidak lengkap. Prosedur atau langkah-langkah AHP.

Aplikasi AHP (skripsi dan tesis)

Beberapa contoh aplikasi AHP adalah sebagai berikut:
1. Membuat suatu set alternatif;
2. Perencanaan
3. Menentukan prioritas
4. Memilih kebijakan terbaik setelah menemukan satu set alternatif;
5. Alokasi sumber daya
6. Menentukan kebutuhan/persyaratan;
7. Memprediksi outcome
8. Merancang sistem
9. Mengukur performa
10. Memastikan stabilitas sistem
11. Optimasi
12. Penyelesaian konflik

Tahapan AHP (skripsi dan tesis)

Dalam metode AHP dilakukan langkah-langkah sebagai berikut
(Kadarsyah Suryadi dan Ali Ramdhani, 1998) :
1. Mendefinisikan masalah dan menentukan solusi yang diinginkan.
Dalam tahap ini kita berusaha menentukan masalah yang akan
kita pecahkan secara jelas, detail dan mudah dipahami. Dari
masalah yang ada kita coba tentukan solusi yang mungkin cocok
bagi masalah tersebut. Solusi dari masalah mungkin berjumlah
lebih dari satu. Solusi tersebut nantinya kita kembangkan lebih
lanjut dalam tahap berikutnya.
2. Membuat struktur hirarki yang diawali dengan tujuan utama.
Setelah menyusun tujuan utama sebagai level teratas akan
disusun level hirarki yang berada di bawahnya yaitu kriteriakriteria yang cocok untuk mempertimbangkan atau menilai
alternatif yang kita berikan dan menentukan alternatif tersebut.
Tiap kriteria mempunyai intensitas yang berbeda-beda. Hirarki
dilanjutkan dengan sub kriteria (jika mungkin diperlukan).
3. Membuat matrik perbandingan berpasangan yang menggambarkan
kontribusi relatif atau pengaruh setiap elemen terhadap tujuan atau
kriteria yang setingkat di atasnya
Matriks yang digunakan bersifat sederhana, memiliki
kedudukan kuat untuk kerangka konsistensi,mendapatkan informasi
lain yang mungkin dibutuhkan dengan semua perbandingan yang
mungkin dan mampu menganalisis kepekaan prioritas secara
keseluruhan untuk perubahan pertimbangan. Pendekatan dengan
matriks mencerminkan aspek ganda dalam prioritas yaitu
mendominasi dan didominasi. Perbandingan dilakukan berdasarkan
judgment dari pengambil keputusan dengan menilai tingkat
kepentingan suatu elemen dibandingkan elemen lainnya. Untuk
memulai proses perbandingan berpasangan dipilih sebuah kriteria
dari level paling atas hirarki misalnya K dan kemudian dari level di
bawahnya diambil elemen yang akan dibandingkan misalnya
E1,E2,E3,E4,E5.
4. Melakukan mendefinisikan perbandingan berpasangan sehingga
diperoleh jumlah penilaian seluruhnya sebanyak n x [(n-1)/2] buah,
dengan n adalah banyaknya elemen yang dibandingkan.
Hasil perbandingan dari masing-masing elemen akan
berupa angka dari 1 sampai 9 yang menunjukkan perbandingan
tingkat kepentingan suatu elemen. Apabila suatu elemen dalam
matriks dibandingkan dengan dirinya sendiri maka hasil
perbandingan diberi nilai 1. Skala 9 telah terbukti dapat diterima
dan bisa membedakan intensitas antar elemen. Hasil perbandingan
tersebut diisikan pada sel yang bersesuaian dengan elemen yang
dibandingkan. Skala perbandingan perbandingan berpasangan dan
maknanya yang diperkenalkan oleh Saaty bisa dilihat di bawah.
Intensitas Kepentingan
1 = Kedua elemen sama pentingnya, Dua elemen mempunyai
pengaruh yang sama besar.
3 = Elemen yang satu sedikit lebih penting daripada elemen yanga
lainnya, pengalaman dan penilaian sedikit menyokong satu
elemen dibandingkan elemen yang lainnya.
5 = Elemen yang satu lebih penting daripada yang lainnya,
Pengalaman dan penilaian sangat kuat menyokong satu
elemen dibandingkan elemen yang lainnya.
7 = Satu elemen jelas lebih mutlak penting daripada elemen
lainnya, Satu elemen yang kuat disokong dandominan terlihat
dalam praktek.
9 = Satu elemen mutlak penting daripada elemen lainnya, Bukti
yang mendukung elemen yang satu terhadap elemen lain
memeliki tingkat penegasan tertinggi yang mungkin
menguatkan.
2,4,6,8 = Nilai-nilai antara dua nilai pertimbangan-pertimbangan
yang berdekatan, Nilai ini diberikan bila ada dua kompromi di
antara 2 pilihan Kebalikan = Jika untuk aktivitas i mendapat satu
angka dibanding dengan aktivitas j , maka j mempunyai nilai
kebalikannya dibanding dengan i
5. Menghitung nilai eigen dan menguji konsistensinya.
Jika tidak konsisten maka pengambilan data diulangi.
6. Mengulangi langkah 3,4, dan 5 untuk seluruh tingkat hirarki.
7. Menghitung vektor eigen dari setiap matriks perbandingan
berpasangan yang merupakan bobot setiap elemen untuk penentuan
prioritas elemen-elemen pada tingkat hirarki terendah sampai
mencapai tujuan. Penghitungan dilakukan lewat cara
menjumlahkan nilai setiap kolom dari matriks,membagi setiap nilai
dari kolom dengan total kolom yang bersangkutan untuk
memperoleh normalisasi matriks, dan menjumlahkan nilai-nilai
dari setiap baris dan membaginya dengan jumlah elemen untuk
mendapatkan rata-rata.
8. Memeriksa konsistensi hirarki.
Tahapan ini diukur dalam AHP adalah rasio konsistensi dengan
melihat index konsistensi. Konsistensi yang diharapkan adalah
yang mendekati sempurna agar menghasilkan keputusan yang
mendekati valid. Walaupun sulit untuk mencapai yang sempurna,
rasio konsistensi diharapkan kurang dari atau sama dengan 10 %

Kelebihan dan kelemahan AHP (skripsi dan tesis)

Layaknya sebuah metode analisis, AHP pun memiliki kelebihan
dan kelemahan dalam system analisisnya. Kelebihan-kelebihan
analisis ini adalah :
1. Kesatuan (Unity)
AHP membuat permasalahan yang luas dan tidak terstruktur
menjadi suatu model yang fleksibel dan mudah dipahami.
2. Kompleksitas (Complexity)
AHP memecahkan permasalahan yang kompleks melalui
pendekatan sistem dan pengintegrasian secara deduktif.
3. Saling ketergantungan (Inter Dependence)
AHP dapat digunakan pada elemen-elemen sistem yang saling
bebas dan tidak memerlukan hubungan linier.
4. Struktur Hirarki (Hierarchy Structuring)
AHP mewakili pemikiran alamiah yang cenderung
mengelompokkan elemen sistem ke level-level yang berbeda dari
masing-masing level berisi elemen yang serupa.
5. Pengukuran (Measurement)
AHP menyediakan skala pengukuran dan metode untuk
mendapatkan prioritas.
6. Konsistensi (Consistency)
AHP mempertimbangkan konsistensi logis dalam penilaian
yang digunakan untuk menentukan prioritas.
7. Sintesis (Synthesis)
AHP mengarah pada perkiraan keseluruhan mengenai seberapa
diinginkannya masing-masing alternatif.
8. Trade Off
AHP mempertimbangkan prioritas relatif faktor-faktor pada
sistem sehingga orang mampu memilih altenatif terbaik
berdasarkan tujuan mereka.
9. Penilaian dan Konsensus (Judgement and Consensus)
AHP tidak mengharuskan adanya suatu konsensus, tapi
menggabungkan hasil penilaian yang berbeda.
10. Pengulangan Proses (Process Repetition)
AHP mampu membuat orang menyaring definisi dari suatu
permasalahan dan mengembangkan penilaian serta pengertian
mereka melalui proses pengulangan.
Sedangkan kelemahan metode AHP adalah sebagai berikut:
1. Ketergantungan model AHP pada input utamanya. Input utama
ini berupa persepsi seorang ahli sehingga dalam hal ini
melibatkan subyektifitas sang ahli selain itu juga model menjadi
tidak berarti jika ahli tersebut memberikan penilaian yang keliru.
2. Metode AHP ini hanya metode matematis tanpa ada pengujian
secara statistik sehingga tidak ada batas kepercayaan dari
kebenaran model yang terbentuk.

Konsep AHP (Analytical Hierarchy Process) (skripsi dan tesis)

AHP merupakan suatu model pendukung keputusan yang
dikembangkan oleh Thomas L. Saaty. Model pendukung keputusan ini akan
menguraikan masalah multi faktor atau multi kriteria yang kompleks
menjadi suatu hirarki, menurut Saaty (1993), hirarki didefinisikan sebagai
suatu representasi dari sebuah permasalahan yang kompleks dalam suatu
struktur multi level dimana level pertama adalah tujuan, yang diikuti level
faktor, kriteria, sub kriteria, dan seterusnya ke bawah hingga level terakhir
dari alternatif. Dengan hirarki, suatu masalah yang kompleks dapat
diuraikan ke dalam kelompok-kelompoknya yang kemudian diatur menjadi
suatu bentuk hirarki sehingga permasalahan akan tampak lebih terstruktur
dan sistematis. (Syaifullah:2010).
AHP sering digunakan sebagai metode pemecahan masalah dibanding
dengan metode yang lain karena alasan-alasan sebagai berikut :
1. Struktur yang berhirarki, sebagai konsekuesi dari kriteria yang dipilih,
sampai pada sub kriteria yang paling dalam.
2. Memperhitungkan validitas sampai dengan batas toleransi inkonsistensi
berbagai kriteria dan alternatif yang dipilih oleh pengambil keputusan.
3. Memperhitungkan daya tahan output analisis sensitivitas pengambilan
keputusan.
Penggunaan AHP bukan hanya untuk institusi pemerintahan atau
swasta namun juga dapat diaplikasikan untuk keperluan individu terutama
untuk penelitian-penelitian yang berkaitan dengan kebijakan atau
perumusan strategi prioritas. AHP dapat diandalkan karena dalam AHP
suatu prioritas disusun dari berbagai pilihan yang dapat berupa kriteria yang
sebelumnya telah didekomposisi (struktur) terlebih dahulu, sehingga
penetapan prioritas didasarkan pada suatu proses yang terstruktur (hirarki)
dan masuk akal. Jadi pada intinya AHP membantu memecahkan persoalan
yang kompleks dengan menyusun suatu hirarki kriteria, dinilai secara
subjektif oleh pihak yang berkepentingan lalu menarik berbagai
pertimbangan guna mengembangkan bobot atau prioritas (kesimpulan).
Peralatan utama AHP adalah sebuah hierarki fungsional dengan input
utamanya persepsi manusia. Keberadaan hierarki memungkinkan
dipecahnya masalah kompleks atau tidak terstruktur dalam sub – sub
masalah, lalu menyusunnya menjadi suatu bentuk hierarki (Kusrini, 2007).

Uji Bell-Doksum (skripsi dan tesis)

Metode pengujian pengaruh perlakuan tetap pada reancangan acak lengkap dapat juga dilakukan dengan uji Bel Doksum, yaitu uji Bell- Doksum untuk beberapa contoh saling bebas atau sering juga dinyatakan sebagai uji Bell-Doksum untuk k contoh saling bebas. Metode pengujian uji Bell-Doksum ini juga menggunakan prinsip pemeringkatan pada data pengamatan yang asli. Akan tetapi dalam proses perhitunganstatistik uji digunakan bantuan nilai deviasi normal baku. Seperti diketahui bahwa dengan menggunakan deviasi normal baku, dapat diperoleh distribusi pasti dari statistik uji. Dalam pengujian ini digunakan juga hubungan antara distribusi normal baku dan distribusi kai-kuadrat. Misalkan, data terdiri dari k contoh acak yang saling bebas dengan ukuran dapat berbeda. Misalkan juga, j j n j j X1 , X2 ,…X merupakan variabel-variabel acak contoh ke- j yang berukuran nj . Jika N merupakan total keseluruhan ukuran contoh, maka berikan peringkat semua pengamatan pada setiap contoh dengan peringkat dari 1 sampai N seperti pada pemeringkatan Kruskal-Wallis. Peringkat pengamatan Xij dilambangkan dengan ( ) R Xij . Ambil N bilangan dari deviasi normal baku dapat dilakukan dengan pembangkitan atau melihat tabel. Nilai deviasi normal baku ini juga diperingkatkan dari 1 sampai N . Gantikan data pengamatan dengan nilai deviasi normal baku yang memiliki peringkat yang sama. Jika data pengamatan ada yang kembar, maka peringk

Uji Kruskal-Wallis (skripsi dan tesis)

Uji Kruskal-Wallis merupakan perluasan dari uji Mann-Witney dengan contoh independen lebih dari dua. Misal, diketahui Xij adalah pengamatan ulangan ke-i contoh ke- j , k banyaknya contoh acak yang diamati, dengan i = 1,2..,r dan j = 1,2,…, k . Kemudian N adalah banyaknya keseluruhan pengamatan, merupakan penjumlahan dari banyaknya pengamatan masing-masing contoh nj , atau dapat dirumuskan menjadi: ∑= = k j j N n 1 (18) Peringkatkan semua pengamatan untuk seluruh contoh dari data terkecil sampai terbesar, sehingga peringkat data terkecil adalah 1 dan N adalah peringkat data terbesar. Peringkat masing-masing pengamatan dilambangkan dengan ( ) R Xij . Perlu diperhatikan bahwa dalam pemeringkatan, data yang sama atau kembar peringkatnya dirata-ratakan. Rata-rata peringkat ini merupakan peringkat untuk masing-masing pengamatan yang kembar. Keadaan ini yang membedakan uji Kruskall-Wallis terhadap uji Median sebelumnya. Uji Kruskall-Wallis mempertimbangkan pengamatan yang kembar, sedangkan uji Median tidak mempermhatikan informasi tersebut. Setelah data diperingkatkan, kemudian dihitung jumlah peringkat keseluruhan pengamatan pada masing-masing contoh. Jumlah peringkat keseluruhan pengamatan pada contoh ke- j dilambangkan dengan Rj , perhitungannya menggunakan ∑ ( ) = = k j Rj R Xij 1 (19) Kemudian hitung statistik uji Kruskal-Wallis dengan rumus (20) atau (21).

Conover (1971) menyatakan bahwa asumsi-asumsi yang diperlukan untuk melakukan pengujian dengan menggunakan uji Kruskal-Wallis adalah: 1. Semua contoh merupakan contoh acak dari populasinya. 2. Sebagai tambahan dari independensi dalam tiap contoh, juga ada independensi antar contoh. 3. Semua peubah acak Xij kontinu (sejumlah nilai kembar masih diperbolehkan). 4. Skala pengukurannya minimal skala ordinal. 5. Fungsi sebaran k populasi identik atau beberapa populasi cenderung memiliki nilai yang lebih besar dari populasi lainnya. Sedangkan, hipotesis uji Kruskal-Wallis dapat dinyatakan dengan : H0 Semua fungsi sebaran k populasi identik : H1 Sedikitnya ada satu populasi cendrung memiliki nilai yang lebih besar dari populasi lainnya. Uji Kruskal-Wallis sensitif terhadap perbedaan diantara rata-rata k populasinya, sehingga hipotesis alternatifnya dapat juga ditulis menjadi :

 H1 k populasi tidak memiliki rata-rata yang sama Kajian Uji Nonparametrik Pengaruh Perlakuan Tetap pada RAL
 Distribusi pasti dari H dapat ditentukan, tetapi untuk contoh dan pengulangan yang sedikit karena perhitungannya akan menjadi rumit untuk yang lebih besar. Kruskal-Wallis mengusulkan untuk menggunakan tabel Kruskal-Wallis untuk ukuran contoh kurang dari atau sama dengan lima dan dan banyaknya contoh sama dengan tiga. Jika tidak demikain, maka digunakan distribusi Kai-Kuadrat sebagai pendekatan. Adapun aturan pengambilan keputusan pengujian dengan menggunakan statistik uji Kruskal-Wallis adalah 1. Jika dalam pengujian digunakan k = 3 dan n j k j ≤ 5, =1,2,…, , maka daerah kritis pasti berukuran α dapat diperoleh dari tabel Kruskal-Wallis pada lampiran. Jika nilai H lebih besar dari H pada pada tabel Kruskal-Wallis yang bersesuaian, maka tolak hipotesis nol pada taraf pengujian tertentu. 2. Untuk k > 3 dan n j k j > 5, =1,2,…, , digunakan pendekatan dengan distribusi kai-kuadrat dengan derajat bebas k −1. Jika nilai H lebih besar atau sama dengan kai-kuadrat dengan derajat bebas k −1, maka tolak hipotesis nol pada taraf nyata α tertentu.

Uji Median (skripsi dan tesis)

Untuk melakukan pengujian dengan uji Median, diperlukan beberapa asumsi. Asumsi-asumsi tersebut adalah sebagai berikut (Conover,1971): 1. Setiap contoh adalah contoh acak. 2. Contoh-contoh acak tersebut saling bebas. 3. Skala pengukurannya minimal skala ordinal. 4. Jika setiap populasi memiliki median yang sama, semua populasi memiliki peluang yang sama p dari sebuah pengamatan lebih besar dari median keseluruhan yang sama pula. Hipotesis yang diuji pada uji Median adalah apakah semua contoh yang diambil berasal dari populasi-populasi yang memiliki median-median yang sama.. Hipotesis dapat dituliskan menjadi: H0 H1 : : Semua k populasi memiliki median yang sama Minimal ada satu median populasi yang berbeda

Uji Nonparametrik (skripsi dan tesis)

Uji nonparametrik perlakuan tetap menggunakan data tidak normal. Namun, data yang diproses dalam pengujian atau yang dihitung menggunakan masing-masing statistik ujinya bukan data asli hasil pengamatan, akan tetapi merupakan data ordinal. Data ordinal ini merupakan data baru yang diperoleh dari pemberian pringkat pada data pengamatan asli. Uji nonparametrik perlakuan tetap ini semuanya menggunakan distribusi kaikuadrat sebagai pendekatan, kecuali untuk uji Bell-Doksum. Pada uji Bell-Doksum distribusi kai-kuadrat bukan distribusi pendekatan tetapi merupakan distribusi pasti uji tersebut. Distribusi kai-kuadrat digunakan sebagai pendekatan untuk contoh besar karena kesulitan memperoleh distribusi pasti masing-masing uji. Distribusi kai-kuadrat yang digunakan dalam pembahasan ini menggunakan parameter yang sama yaitu derajat bebasnya k −1. Oleh karenanya, pemahaman mengenai distribusi kai-kuadrat merupakan hal mendasar yang perlu dikenal sebelum melakukan pengujian dengan menggunakan uji-uji nonparametrik ini

Uji Pengaruh Perlakuan Perlakuan Tetap pada RAL (skripsi dan tesis)

Model RAL merupakan model rancangan percobanan yang sederhana. Total variasi pada RAL dibagi menjadi dua, yaitu variasi perlakuan dan variasi galat. Atau dapat dituliskan menjadi Total variasi = variasi perlakuan + variasi galat (1) Dapat juga dituliskan dengan model linier menjadi Yij j ij = μ +τ + ε untuk n j i = 1,2,…, dan j = 1,2,…, k (2) dengan asumsi ( ) 2 ε ij ~ NID 0,σ dan ∑= = k j n j j 1 τ 0 . Banyaknya k perlakuan yang digunakan pada RAL didefinisikan sebagai sebuah himpunan dari k perlakuan populasi yang memiliki rata-rata μ μ μ k , , , 1 2 ” sering disebut rata-rata perlakuan. Dimana rata-rata inilah yang akan diuji pada rancangan acak pengaruh tetap. Apakah semua rata-rata perlakuan tersebut semuanya sama atau tidak. Uji pengaruh perlakuan tetap tetap pada RAL yaitu menguji serentak kesamaan rata-rata perlakuan atau menguji pengaruh perlakuan sama dengan nol. Hipotesis nol ditulis: H0 : μ1 = μ 2 = ” = μ k atau H0 : Semua rata-rata perlakuan sama atau H0 : 0 τ j = , untuk setiap j Jika hipotesis nol diterima, maka rata-rata perlakuan masing-masing populasi sama. Ini mengindikasikan bahwa pengaruh perlakuan tetap pada masing-masing populasi. Pengujian pengaruh perlakuan tetap pada RAL dapat dilakukan dengan metode parametrik maupun metode nonparametrik. Untuk metode parametrik dapat digunakan Analisis Varian (ANAVA) atau uji F , sedangkan untuk uji nonparametrik dapat digunakan uji Median, uji Kruskal-Wallis, dan uji Bell-Doksum.

Uji Kolmogorov-Smirnov Dua Sampel (skripsi dan tesis)

Fungsi Pengujian : Pengujian Satu Sisi adalah untuk menguji perbedaan nilai tengah (median), sedangkan pengujian Dua Sisi untuk menguji berbagai jenis/sembarang perbedaan {(nilai tengah (median), kemencengan (skewness), pemencaran (dispersi)} dua buah populasi yang tidak berpasangan. Persyaratan Data : Data setidak-tidaknya memiliki skala ordinal.
Prosedur Pengujian :
1. Tentukan sebaran frekuensi kumulatif Sn1(x) dan Sn2(x) dalam interval-interval. Jika memungkinkan interval dibuat sebanyak mungkin.
 2. Susun skor hasil pengamatan dalam sebaran frekuensi kumulatif Sn1(x) dan Sn2(x).
3. Untuk tiap interval, hitung selisih Sn1(x) dan Sn2(x).
4. Hitung harga D maksimum dengan memakai rumus (5.7).
 5. Bila n1 = n2 = N dan jika N ≤ 40, gunakan Tabel L (Siegel, 1997). Tentukan harga p untuk harga KD atau pembilang D maksimum bagi pengujian dua sisi atau satu sisi. Jika KD ≥ KDTabel L, maka tolak Ho.
 6. Seandainya n1 dan n2 > 40 dan perlu dilakukan Uji Dua Sisi (n1 dan n2 tidak harus berjumlah sama), gunakan rumus yang ada pada Tabel M (Siegel, 1997) untuk menghitung harga D bagi pengujian dua sisi gunakan rumus (5.8). Jika D ≥ DTabelM, tolak Ho.
 7. Seandainya n1 dan n2 > 40 dan perlu dilakukan Uji Satu Sisi, hitung harga χ 2 berdasarkan harga D maksimum, dengan memakai rumus (5.9). Selanjutnya gunakan Tabel C (Siegel, 1997) untuk harga χ 2 pada db = 2. Jika p yang diamati ≤ α , maka tolak Ho.

Uji U Mann-Whitney (skripsi dan tesis)

Fungsi Pengujian : Untuk menguji perbedaan nilai tengah (median) skor dua buah populasi berdasarkan dua sampel yang tidak berpasangan. Persyaratan Data : Data paling tidak memiliki sakala ordinal.

Prosedur Pengujian :

 1. Tentukan jumlah n1 dan n2. Dalam pengertian ini n1 adalah jumlah sampel yang berukur lebih kecil dari n2.

2. Gabungkan n1 dan n2, berikan rangking kepada skor-skornya dengan memperhatikan tanda + dan -. Skor disusun dari mulai 1 – k (=n1+n2). Untuk rangking kembar cari ratarata rangkingnya.

3. Untuk 3 ≤ n1 dan n2 ≤ 8. Perhatikan frekuensi skor n1 dan n2 dalam urutan skor gabungan. Hitung jumlah frekuensi skor n1 yang mendahului n2 atau sebaliknya. Jumlah seluruh frekuensi skor yang mendahului = U. Selanjutnya gunakan Tabel J (Siegel, 1997). Tentukan probabilitas (p) yang dikaitkan dengan terjadinya suatu harga sebesar U menurut n1 dan n2. Seandainya harga U tidak ditemukan dalam Tabel J, buat modifikasi dengan memakai rumus (5.4). Harga-harga p tersebut dipakai untuk pengujian satu sisi, sedangkan untuk melakukan pengujian dua sisi harga p = 2 x pTabel . Jika p ≤ α, maka tolak Ho.

 4. Untuk 9 ≤ n2 ≤ 20. Perhatikan frekuensi skor n1 dan n2 dalam urutan skor gabungan. Hitung jumlah frekuensi skor n1 yang mendahului n2 atau sebaliknya. Jumlah seluruh frekuensi skor yang mendahului = U. Selanjutnya gunakan Tabel K (Siegel, 1997). Tentukan probabilitas (p) yang dikaitkan dengan terjadinya suatu harga sebesar U menurut n1 dan n2. Seandainya harga U tidak ditemukan dalam Tabel K, buat modifikasi dengan memakai rumus (5.4). Harga-harga p tersebut dipakai untuk pengujian satu sisi, sedangkan untuk melakukan pengujian dua sisi harga p = 2 x pTabel . Jika p ≤ α, maka tolak Ho.

 5. Untuk n2 > 21. Perhatikan frekuensi skor n1 dan n2 dalam urutan skor gabungan. Hitung jumlah frekuensi skor n1 yang mendahului n2. Jumlah seluruh frekuensi skor n1 yang mendahului n2 = U. Hitung Harga z dengan memakai rumus (5.5). Selanjutnya gunakan Tabel A (Siegel, 1997). Tentukan probabilitas (p) yang dikaitkan dengan terjadinya suatu harga z. Hargaharga p tersebut dipakai untuk pengujian satu sisi, sedangkan untuk melakukan pengujian dua sisi harga p = 2 x pTabel . Jika p ≤ α, maka tolak Ho.

Uji Chi Kuadrat (χ 2 ) Dua Sampel Tak Berpasangan (skripsi dan tesis)

 Fungsi Pengujian : Hampir sama dengan Uji Fisher, yaitu untuk menguji perbedaan proporsi dua buah populasi berdasarkan proporsi dua sampel yang tidak berpasangan. Kelebihan Uji χ 2 bisa dipakai untuk dua atau lebih kategori. Uji χ 2 sebaiknya digunakan jika n > 40. Untuk 20 < n < 40 dengan frekuensi kategori-kategorinya (Oij ≥ 5) bisa digunakan Uji χ 2 , namun jika ada salah satu frekuensi < 5 Uji χ 2 tidak boleh digunakan. Untuk n < 20 pilihlah Uji Fisher.
Persyaratan Data : Dapat digunakan untuk data berskala nominal dengan dua atau lebih dari dua kategori. Prosedur Pengujian :
1. Buat Tabel Silang (k x r), k adalah kolom = 2 dan r adalah baris ≥ 2. Kolom dipakai untuk dua pasangan sampel yang tidak berpasangan, sedangkan baris disediakan untuk berbagai kategori.
2. Masukan frekuensi-frekuensi hasil pengamatan (Oij) ke dalam Tabel.
3. Hitung dan masukan ke dalam Tabel, frekuensi-frekuensi yang diharapkan (Eij) yang dihitung dengan cara mengalikan jumlah baris dan jumlah kolom pada posisi Eij kemudian membaginya dengan total frekuensi (N).
 4. Hitung harga χ 2 memakai rumus (5.2). 5. Untuk k=2 dan r=2, hitung dengan rumus (5.3). Pengertian dari notasi yang ada dalam rumus ini. . Gunakan Tabel C (Siegel, 1997). Tentukan probabilitas (p) yang dikaitkan dengan terjadinya suatu harga sebesar χ 2 pada db = (r-1)(k-1). Harga-harga p tersebut dipakai untuk pengujian dua sisi, sedangkan untuk melakukan pengujian satu sisi harga p = ½ pTabel

Uji Fisher (skripsi dan tesis)

Fungsi Pengujian : Untuk menguji perbedaan proporsi dua buah populasi yang hanya memiliki dua kategori berdasarkan proporsi dua sampel tidak berpasangan. Jumlah n untuk tiap kelompok sampel tidak harus sama.
Persyaratan Data : Dapat digunakan untuk data berskala nominal dengan dua kategori

Prosedur Pengujian :
 1. Buat Tabel Silang
 Baris adalah kelompok sampel, dan kolom – dan + untuk menunjukkan kategori yang bersifat muttualy exclusive.
2. Masukan frekuensi-frekuensi hasil pengamatan ke dalam baris dan kolom yang tepat.
 3. Hitung jumlah frekuensi ke arah baris dan kolom, N adalah jumlah keseluruhan frekuensi pengamatan.
4. Untuk uji signifikansi ( 6 ≤ n ≤ 30), gunakan Tabel I (Siegel, 1997) yang merupakan pengujian satu sisi, sedangkan untuk pengujian dua sisi harga p = 2 x p  Untuk uji signifikansi yang lebih cermat (eksak), gunakan rumus  yang menghasilkan harga p uji satu sisi, sedangkan untuk pengujian dua sisi harga p dikalikan 2. Praktis digunakan jika n tidak terlampau besar. Meskipun demikian bisa dipakai untuk n > 30, tetapi kemungkinan di daerah penolakan tidak terlampau banyak
6. Jika p yang dihasilkan dari perhitungan ternyata ≤ α, maka tolak Ho

Uji Tanda Wilcoxon (skripsi dan tesis)

Fungsi Pengujian : Untuk menguji perbedaan median dua populasi berdasarkan median dua sampel berpasangan. Uji ini selain mempertimbangkan arah perbedaan, juga mempertimbangkan besar relatif perbedaannya. Dengan demikian bisa dikatakan bahwa Uji Tanda Wilcoxon memiliki kualitas yang lebih baik dibandingkan dengan Uji Tanda yang dibahas sebelumnya. Persyaratan Data : Data paling tidak berskala ordinal.
Prosedur Pengujian :
1. Urutkan nilai jenjang/skor setiap pasangan dari anggota kelompok sampel pertama dan kedua.
2. Hitung nilai beda (di) untuk setiap pasangan anggota kelompok sampel pertama dan kedua.
 3. Buat ranking untuk setiap di tanpa memperhatikan tandanya (positif atau negatif). Rangking ke-1 diberikan terhadap harga mutlak di terkecil. Jika ada ranking kembar buat rata-rata rankingnya
. 4. Pada ranking di , cantumkan tanda + dan -, sesuai dengan tanda + dan – pada nilai beda (di).
 5. Pisahkan ranking di yang memiliki tanda + atau – paling sedikit.
 6. Tentukan nilai T, dengan cara menjumlahkan nilai rangking di yang memiliki tanda + atau – paling sedikit tanpa memperhatikan tandanya (nilai harga mutlak rangking di).
 7. Tentukan pula nilai N, dengan cara menghitung frekuensi di yang memiliki tanda + dan -, sedangkan frekuensi di yang memiliki tanda 0 jangan dimasukan ke dalam hitungan.
8. Jika N ≤ 25, lihat Tabel G (Siegel, 1997) yang menyajikan kemungkinan satu sisi/one tailed dan dua sisi/two tailed untuk harga T dari pengamatan di bawah Ho. Jika harga T dari pengamatan ≤ TTabel , maka tolak Ho untuk tingkat signifikansi tertentu.
 9. Jika N > 25 , gunakan rumus (4.3). Sedangkan tabel yang digunakan adalah Tabel A (Siegel, 1997) yang menyajikan kemungkinan satu sisi/one tailed untuk kemunculan harga z pengamatan di bawah Ho. Uji satu sisi digunakan apabila telah memiliki perkiraan skor kelompok sampel tertentu akan lebih besar atau lebih kecil dari skor kelompok sampel yang lainnya. Jika belum memiliki perkiraan, harga p dalam Tabel A dikalikan dua (harga p = p-Tabel x 2). Jika p diasosiasikan dengan harga z yang diamati ternyata ≤ α, maka tolak Ho.

Uji Tanda (skripsi dan tesis)

 Fungsi Pengujian : Untuk menguji perbedaan/perubahan ranking (median selisih skor/ranking) dua buah populasi berdasarkan ranking (median selisih skor/ranking) dua sampel berpasangan. Persyaratan Data : Data paling tidak berskala ordinal.
Prosedur Pengujian : 1. Urutkan nilai jenjang setiap pasangan dari anggota kelompok sampel pertama dan kedua. 2. Kepada masing-masing pasangan berikan tanda + (plus) dan – (minus) sebagai kode/tanda selisih jenjang dari setiap pasangan. 3. Tentukan harga N, yaitu jumlah semua pasangan yang memiliki tanda + dan -.Tentukan pula nilai x, yaitu jumlah pasangan yang memiliki kesamaan tanda lebih sedikit. 5. Jika N ≤ 25 , lihat Tabel D (Siegel, 1997) yang menyajikan kemungkinan satu sisi/one tailed untuk kemunculan harga x dari pengamatan di bawah Ho. Uji satu sisi digunakan apabila telah memiliki perkiraan ranking kelompok sampel tertentu akan lebih besar atau lebih kecil dari ranking kelompok sampel yang lainnya. Seandainya kita belum mempunyai perkiraan, harga p dalam Tabel D dikalikan dua (harga p = p-Tabel D x 2). 6. Jika N > 25 , gunakan rumus (4.2). Sedangkan tabel yang digunakan adalah Tabel A (Siegel, 1997) yang menyajikan kemungkinan satu sisi/one tailed untuk kemunculan harga z pengamatan di bawah Ho. Uji satu sisi digunakan apabila telah memiliki perkiraan ranking kelompok sampel tertentu akan lebih besar atau lebih kecil dari ranking kelompok sampel yang lainnya. Jika belum memiliki perkiraan, harga p dalam Tabel A dikalikan dua (harga p = p-Tabel A x 2). 7. Jika p diasosiasikan dengan harga x atau z yang diamati ternyata < α , maka tolak Ho.

Uji Chi Kuadrat (χ 2 ) Mc. Nemar (skripsi dan tesis)

Fungsi Pengujian : Untuk menguji perbedaan atau perubahan proporsi dua buah populasi yang hanya memiliki dua kategori berdasarkan proporsi dua sampel berpasangan. Uji ini banyak dipakai untuk mengetahui apakah ada perbedaan atau perubahan proporsi sebelum dan sesudah kelompok sampel tertentu yang hanya memiliki dua kategori diberi perlakuan, dimana anggota kelompok sampel tersebut merupakan kontrol terhadap dirinya sendiri.
Persyaratan Data : Dapat digunakan untuk data berskala nominal dengan dua kategori. Prosedur Pengujian : 1. Buat Tabel Silang 2 x 2, seperti contoh pada Tebel 4.1 di bawah ini. Tanda + dan – dipakai untuk menunjukkan adanya perubahan.  Tentukan frekuensi-frekuensi harapan (E) dari sel A dan sel D, E = ½ (A+D). Frekuensi harapan harus ≥ 5. 3. Jika E ≥ 5, hitung harga χ 2 menggunakan rumus (4.1). Tetapi jika E < 5, Uji χ2 Mc. Nemar tidak boleh gunakan, dan untuk penggantinya dapat dipakai Uji Binomial. 4. Gunakan Tabel C (Siegel, 1997). Tentukan probabilitas (p) yang dikaitkan dengan terjadinya suatu harga sebesar χ 2 untuk harga db =1, untuk pengujian dua sisi. 5. Jika p yang diamati ternyata ≤ α , maka tolak Ho.

Uji Kolmogorov-Smirnov Sampel Tunggal (skripsi dan tesis)

Fungsi Pengujian : Untuk menguji perbedaan proporsi populasi, yaitu antara data yang diamati dengan yang telah ditentukan menurut Ho, berdasarkan proporsi data yang berasal dari sampel tunggal. Persyaratan Data : Dipakai untuk data berskala ordinal namun dapat digunakan juga bagi data berskala nominal.

Prosedur Pengujian : 1. Tentukan sebaran frekuensi kumulatif teoritis Fo(x), yaitu sebaran frekuensi kumulatif di bawah Ho. 2. Susun skor hasil pengamatan dalam sebaran frekuensi kumulatif pengamatan Sn(x) yang sesuai dengan Fo(x). 3. Untuk tiap jenjang/rank, hitung selisih harga mutlak Fo(x) – Sn(x). 4. Hitung harga D maksimum dengan memakai rumus (3.3). 5. Gunakan Tabel E (Siegel, 1997). Tentukan harga p untuk harga D maksimum (pengujian dua sisi). 6. Jika p yang diamati ternyata ≤ α , maka tolak Ho

Uji Chi Kuadrat (χ2) Sampel Tunggal (skripsi dan tesis)

Fungsi Pengujian :
Untuk menguji perbedaan proporsi populasi, yaitu antara data yang diamati dengan data yang diharapkan (expected) terjadi menurut Ho, berdasarkan proporsi yang berasal dari sampel tunggal.

Persyaratan Data :
Dapat digunakan untuk data berskala nominal dengan dua atau lebih dari dua kategori.
Prosedur Pengujian :
1. Tentukan n = jumlah semua kasus yang diteliti.
2. Tentukan jumlah frekuensi dari masing-masing kategori (k). Jumlah frekuensi seluruhnya= n.
3. Berdasarkan Ho , tentukan frekuensi yang diharapkan (Ei) dari k. Jika k = 2, frekuensi yang diharapkan minimal 5. Jika k > 2 dan (Ei) < 5 lebih dari 20%, gabungkanlah k yang berdekatan, agar banyaknya (Ei) < 5 dalam k tidak lebih dari 20%.
4. Hitung harga χ
2 dengan menggunakan rumus (3.2).
5. Tentukan derajat bebas, db = k – 1.
6. Gunakan Tabel C (Siegel, 1997), tabel ini untuk pengujian dua sisi. Tentukan probabilitas
(p) yang dikaitkan dengan terjadinya suatu harga sebesar χ
2 untuk harga db yang bersangkutan.
7. Jika p yang diamati ternyata ≤ α , maka tolak H

Uji Binomial (skripsi dan tesis)

Fungsi Pengujian :
Untuk menguji perbedaan proporsi populasi yang hanya memiliki dua buah kategori berdasarkan proporsi sampel tunggal.
Persyaratan Data :
Dapat digunakan untuk data berskala nominal yang hanya memiliki dua kategori.
Prosedur Pengujian :
1. Tentukan n = jumlah semua kasus yang diteliti.
2. Tentukan jumlah frekuensi dari masing-masing kategori.
3. Jika n ≤ 25 dan jika P=Q=½, lihat Tabel D (Siegel, 1997) yang menyajikan kemungkinan satu sisi/one tailed untuk kemunculan harga x yang lebih kecil dari pengamatan di bawahHo. Uji satu sisi digunakan apabila telah memiliki perkiraan frekuensi mana yang lebihkecil. Jika belum memiliki perkiraan, harga p dalam Tabel D dikalikan dua (harga p =pTabel x 2).
4. Jika n > 25 dan P mendekati ½, gunakan rumus (3.1). Sedangkan tabel yang digunakan adalah Tabel A (Siegel, 1997) yang menyajikan kemungkinan satu sisi/one tailed untuk kemunculan harga z pengamatan di bawah Ho. Uji satu sisi digunakan apabila telah memiliki perkiraan frekuensi mana yang lebih kecil. Jika belum memiliki perkiraan,
harga p dalam Tabel A dikalikan dua (harga p = pTabel x 2).
5. Jika p diasosiasikan dengan harga x atau z yang diamati ternyata ≤ α , maka tolak Ho

Hipotesis Statistik (skripsi dan tesis)

Adalah pernyataan mengenai parameter dari populasi yang didasarkan pada statistik dari sampel. Bentuk pernyataannya bisa didasarkan atas kesamaan-kesamaan atau perbedaanperbedaan, ada tidaknya asosiasi maupun hubungan-hubungan antar variabel, juga penaksiran-penaksiran nilai populasi. Dari hipotesis yang dicontohkan di atas, berarti peneliti menduga usaha ternak ayam ras lebih menguntungkan dibandingkan usaha tani padi. Pernyataan yang menyiratkan adanya perbedaan tersebut secara statistik dapat ditulis sebagai berikut : Ho : µa ≤ µp H1 : µa > µp H1 berarti rata-rata keuntungan yang diperoleh peternak ayam ras lebih besar jika dibandingkan dengan petani yang berusaha tani padi. Sedangkan Ho menyatakan, rata-rata keuntungan yang diperoleh peternak ayam ras sama dengan atau lebih kecil dari petani yang melakukan usaha tani padi. Ho dan H1 merupakan pasangan hipotesis statistik yang akan dipakai sebagai titik tolak untuk menduga parameter. Pada uji hipotesis statistik, pengujian diarahkan untuk menduga Ho apakah bisa diterima atau harus ditolak.

Hipotesis Nol (skripsi dan tesis)

Adalah kebalikan atau hipotesis yang menolak pernyataan hipotesis penelitian. Dalam konteks penyangkalan terhadap contoh hipotesis penelitan tadi, pernyataan hipotesis nol bisa menjadi: rata-rata keuntungan dari usaha ternak ayam ras sama dengan atau lebih kecil dari usaha tani padi. Dalam statistika hipotesis yang menyatakan penolakan terhadap hipotesis penelitian diberi lambang Ho

Hipotesis Penelitian (skripsi dan tesis)

Merupakan suatu pernyataan yang dibuat berdasarkan pada fenomena dan teori-teori, yang dirangkaikan secara logis dalam sebuah kerangka pikir. Oleh peneliti, hipotesis penelitian “dianggap” benar dan bisa diterima secara logika. Tetapi karena sesungguhnya teori itu merupakan dalil dari sifat yang “sebenarnya”, maka hipotesis penelitian pun hanya bisa dipandang sebagai dugaan sementara yang masih memerlukan pengujian. Contoh dari hipotesis penelitian adalah: rata-rata keuntungan dari usaha ternak ayam ras lebih besar jika dibandingkan dengan keuntungan usaha tani padi. Dalam statistika hipotesis penelitian diberi lambang H1

Statistika Parametrik dan Nonparametrik (skripsi dan tesis)

Pada perkembangan statistika inferensial, metode-metode penafsiran yang berasal dari generasi awal, menetapkan asumsi-asumsi yang sangat ketat dari karakteristik populasi yang diantara anggota-anggota populasinya diambil sebagai sampel. Di bawah asumsi-asumsi tersebut, diharapkan angka-angka atau statistik dari sampel, betul-betul bisa mencerminkan angka-angka atau parameter dari populasi. Oleh karena itu, dikenal dengan istilah Statistika Parametrik. Asumsi-asumsi tersebut antara lain: data (sampel) harus diambil dari suatu populasi yang berdistribusi normal. Seandainya sampel diambil dari dua atau lebih populasi yang berbeda, maka populasi tersebut harus memiliki varians (δ 2 ) yang sama. Selain itu, statistika parametrik hanya boleh digunakan jika data memiliki nilai dalam bentuk numerik atau angka nyata. Ketatnya asumsi dalam statistika parametrik, secara metodologis sulit dipenuhi oleh peneliti-peneliti dalam bidang ilmu sosial. Sebab dalam kajian sosial, sulit untuk memenuhi asumsi distribusi normal maupun kesamaan varians (δ 2 ), selain itu banyak data yang tidak berbentuk numerik, tetapi hanya berupa skor rangking atau bahkan hanya bersifat nilai kategori. Oleh karenanya, statistika inferensial saat ini banyak berkembang kepada teknikteknik yang tidak berlandaskan pada asumsi-asumsi di atas, yang dikenal sebagai Statistika Nonparametrik.

Menafsirkan Parameter Berdasarkan Statistik (skripsi dan tesis)

Telah diuraikan terdahulu, terdapat metode-metode tertentu yang bisa dipakai untuk menginterpretasikan data dalam kondisi ketidakpastian (uncertainty), yaitu statistika inferensial. Fokus kajian statistika inferensial adalah untuk menafsirkan parameter (populasi) berdasarkan statistik (sampel) melalui pengujian hipotesis. Dalam pengujian hipotesis, titik tolaknya adalah menduga parameter yang dinyatakan oleh pasangan hipotesis statistik, misalnya: Ho; µ1 = µ2 dan H1; µ1 ≠ µ2. Masalah umum yang dihadapi dalam menafsirkan parameter dari populasi yang berdasarkan satistik dari sampel adalah, adanya faktor kesempatan/kebetulan (chance) dalam pengambilan data. Kemudian bisa timbul pertanyaan, apakah hasil pengamatan tentang adanya persamaam atau perbedaan parameter dalam populasi atau antar populasi, juga disebabkan oleh faktor kebetulan dalam pengambilan data? Untuk itu statistika inferensial menyediakan berbagai prosedur yang memungkinkan untuk menguji, apakah adanya persamaan atau perbedaan tadi disebabkan karena faktor kebetulan atau tidak

Statistika Deskriptif dan Inferensial (skripsi dan tesis)

Pada proses pengumpulan data di atas, tentu saja tidak bisa dilakukan secara sembarangan tetapi ada tahapan-tahapan dan cara-cara atau teknik-teknik tertentu sebagai pedomannya yang kita sebut sebagai metode. Metode ini dikenal sebagai statistika. Dalam statistika, ada metode-metode tertentu sebagai pedoman untuk menyajikan data sehingga secara ringkas dapat dengan mudah dipahami. dan sebagainya. Metode penyederhanaan data sehingga mudah dipahami dikenal sebagai statistika deskriptif. Statistika deskriptif pada awalnya merupakan bidang kajian yang sangat penting, walaupun saat ini bukan merupakan bidang kajian pokok dalam statistika. Tujuan utama statistika saat ini adalah menginterpretasikan atau menafsirkan (inference) data, yang dikenal dengan istilah statistika inferensial. Misalnya dengan melihat grafik rata-rata pemilikan lahan berdasarkan status sosial ekonomi petani, melalui angka-angkanya kita bisa melihat bahwa rata-rata pemilikan lahan petani dengan tingkat sosial ekonomi tertentu lebih luas dibandingkan dengan status ekonomi lainnya. Tapi untuk melakukan interpretasi lebih jauh, kita harus menyadari bahwa statistik yang tersaji berasal dari suatu sampel bukannya populasi, sehingga belum tentu menggambarkan kondisi yang sebenarnya, atau dengan kata lain masih berada dalam suatu kondisi ketidakpastian

Statistika, Statistik, dan Parameter (skripsi dan tesis)

Dalam perbincangan sehari-hari kita sering mendengar kata statistik maupun statistika. Namun penggunaan dari dua kata tersebut masih simpang siur. Adakalanya pengertian yang seharusnya statistik ditulis atau disebut dengan istilah statistika, demikian pula sebaliknya pengertian statistika sering ditulis atau disebut dengan istilah statistik. Walaupun penulisannya sangat mirip antara statistik dengan statistika, tetapi memiliki arti yang sangat berlainan. Pengertian statistik (statistic) adalah bilangan yang diperoleh melalui proses perhitungan terhadap sekumpulan data yang berasal dari sampel. Sedangkan pengertian statistika (statistics) adalah konsep dan metode yang bisa digunakan untuk mengumpulkan, menyajikan, dan menginterpretasikan data dari kejadian tertentu untuk mengambil suatu keputusan/kesimpulan dalam suatu kondisi adanya ketidakpastian. Misalnya kita ingin mengetahui rata-rata luas lahan yang dimiliki petani di suatu propinsi. Untuk menghitung seluruh luas lahan pertanian di propinsi tersebut membutuhkan biaya dan waktu yang tidak sedikit, sehingga diputuskan untuk mengambil sampel dari beberapa kabupaten. Dari kabupaten sampel diperoleh data berapa luas lahan dan berapa jumlah petaninya, dengan demikian kita bisa menghitung rata-rata luas lahan yang dimiliki petani. Angka rata-rata luas lahan yang diperoleh disebut statistik. Seandainya data tersebut diperoleh dari seluruh propinsi, angka rata-ratanya tidak bisa disebut statistik, tetapi disebut parameter karena tidak diperoleh dari sampel melainkan diperoleh dari populasi

Teknik Sampling (skripsi dan tesis)

Teknik sampling merupakan teknik pengambilan sampel. Untuk
menentukan sampel yang akan digunakan dalam penelitian, terdapat berbagai
teknik sampling yang digunakan (Sugiyono, 2013). Pada dasarnya teknik
sampling dapat dikelompokkan menjadi dua, yaitu probability sampling dan
nonprobability sampling. Probability sampling meliputi, simple random,
proportionate stratified random, disproportionate stratified random, dan area
random. Sedangkan nonprobability sampling meliputi sampling sistematis, sampling kuota, sampling aksidental/insidental, purposive sampling, sampling
jenuh, dan snowball sampling.

Sampel (skripsi dan tesis)

Sampel adalah bagian dari jumlah dan karakteristik yang dimiliki oleh
populasi tersebut. Bila populasi besar, dan peneliti tidak mungkin mempelajari
semua yang ada pada populasi, misalnya karena keterbatasan dana, tenaga dan
waktu, maka peneliti dapat menggunakan sample yang diambil dari populasi itu.
Apa yang dipelajari dari sample itu, kesimpulannya akan dapat diberlakukan
untuk populasi. Untuk itu sampel yang diambil dari populasi harus betul-betul
representatif (Sugiyono, 2013).
Menurut Yusuf (2014), ciri-ciri sampel yang baik adalah sebagai berikut :
a. Sampel dipilih dengan cara hati-hati, dengan menggunakan cara tertentu
dengan benar.
b. Sampel harus mewakili populasi, sehingga gambaran yang diberikan
mewakili keseluruhan karakteristik yang terdapat pada populasi.
c. Besarnya ukuran sampel hendaklah mempertimbangkan tingkat kesalahan
sampel yang dapat ditoleransi dan tingkat kepercayaan yang dapat diterima
secara statistik.

Populasi (skripsi dan tesis)

Menurut Sugiyono (2013), populasi adalah wilayah generalisasi yang
terdiri atas obyek atau subyek yang mempunyai kualitas dan karakteristik
tertentu yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik
kesimpulannya. Jadi populasi bukan hanya orang, tetapi juga obyek dan bendabenda
alam yang lain. Populasi juga bukan sekedar jumlah yang ada pada
obyek atau subyek yang dipelajari, tetapi meliputi seluruh karakteristik atau
sifat yang dimiliki oleh subyek atau obyek itu.
Yusuf (2014) menyatakan, secara umum dapat dikatakan beberapa
karakteristik populasi, yaitu :
a. Merupakan keseluruhan dari unit analisis sesuai dengan informasi
yang akan diinginkan.
b. Dapat berupa manusia, hewan, tumbuh-tumbuhan, benda atau objek
maupun kejadian yang terdapat dalam suatu area/daerah tertentu
yang telah ditetapkan.
c. Merupakan batas (boundary) yang mempunyai sifat tertentu yang
memungkinkan peneliti menarik kesimpulan dari keadaan itu.
d. Memberikan pedoman kepada apa atau siapa hasil penelitian itu
dapat digeneralisasikan.

Statistik (skripsi dan tesis)

Menurut Sugiyono (2014) dalam arti sempit statistik dapat diartikan
sebagai data, tetapi dalam arti luas statistik dapat diartikan sebagai alat, alat
untuk analisis, dan alat untuk membuat keputusan. Statistik dapat dibedakan
menjadi dua, yaitu :
a. Statistik deskriptif adalah statistik yang digunakan untuk menggambarkan
atau menganalisis suatu statistik hasil penelitian, tetapi tidak digunakan
untuk membuat kesimpulan yang lebih luas.
b. Statistik inferensial adalah statistik yang digunakan untuk menganalisis data
sampel, dan hasilnya akan digeneralisasikan untuk populasi di mana sampel
diambil. Selanjutnya statistik inferensial dapat dibedakan menjadi statistik
parametris dan non parametris. Statistik parametris digunakan untuk
menganalisis data interval atau rasio, yang diambil dari populasi yang
berdistribusi normal. Sedangkan statistik non parametris, digunakan untuk
menganalisis data nominal dan ordinal dari populasi yang bebas distribusi

Uji Beda Rata-Rata Sampel Berpasangan (skripsi dan tesis)

Untuk menguji adanya perbedaan antara dua rata-rata, kita harus memilih apakah menggunakan a one-tailed test atau a two-tailed test. Apabila pengujiannya terkait ada perbedaan atau tidak ada perbedaan maka menggunakan a twotailed test untuk mengukur apakah satu rata-rata berbeda dengan yang lain (lebih tinggi atau lebih rendah) (Levin, 1998). Paired sample t test bertujuan untuk menguji ada tidaknya perbedaan mean untuk dua kelompok yang berpasangan. Subjeknya sama, namun mengalami dua perlakuan atau pengukuran yang berbeda (Nisfiannoor, 2009). Untuk melakukan uji beda rata-rata berpasangan harus memenuhi syarat sebagai berikut: 1. Data sampel merupakan data dependen 2. Sampel diambil secara acak sederhana 3. Salah satu atau kedua syarat berikut terpenuhi: a. Pasangan sampel data berjumlah besar (n>30) b. pasangan sampel berasal dari populasi yang memiliki distribusi yang mendekati normal (Triola, 2015). Dalam melakukan uji beda rata-rata, apabila data tidak berdistribusi normal maka digunakan uji statistik nonparametrik yang dapat menggunakan teknik Wilcoxon signed ranks test (Nisfiannoor, 2009).
Cara yang lebih baik untuk membandingkan prosedur pengujian t-test dan Wilcoxon signed ranks test adalah dengan melihat perkiraan tingkat kesalahan Tipe I dan Tipe II. Jelas bahwa prosedur Wilcoxon signed ranks test melindungi lebih baik terhadap kesalahan Tipe I karena rata-rata tingkat kesalahan Tipe I selalu lebih rendah daripada uji-t. Sementara rata-rata tingkat kesalahan Tipe II menggunakan uji-t lebih rendah daripada yang menggunakan uji Wilcoxon signed ranks test untuk setiap set perbedaan rata-rata (Meek et al., 2007). Saat menguji hipotesis nol, kita sampai pada kesimpulan menolak atau gagal untuk menolaknya. Kesimpulan semacam itu terkadang benar dan terkadang salah (bahkan jika kita menerapkan semua prosedur dengan benar). Terdapat dua jenis kesalahan, yaitu Kesalahan Tipe I dan Tipe II. a. Kesalahan Tipe I: kesalahan menolak hipotesis nol ketika pada kenyataannya benar. b. Kesalahan Tipe II: kesalahan tidak menolak hipotesis nol ketika pada kenyataannya salah (Triola, 2015). Banyak metode analisis statistik diturunkan setelah membuat asumsi tentang distribusi data yang mendasarinya (misalnya, normalitas). Namun, kita juga dapat mempertimbangkan metode nonparametrik untuk menarik kesimpulan statistik di mana tidak ada asumsi yang dibuat tentang populasi atau distribusi yang mendasarinya. Untuk nonparametrik setara dengan uji t parametik satu-sampel dan dua-sampel, Wilcoxon signed ranks test (satu sampel) digunakan untuk menguji hipotesis bahwa perbedaan median antara nilai absolut perbedaan berpasangan positif dan negatif adalah 0 (Harris & Hardin, 2013). Wilcoxon signed ranks test digunakan untuk membandingkan dua kondisi ketika peserta yang sama ikut serta dalam setiap kondisi dan data yang dihasilkan tidak terdistribusi secara normal. Tes ini diterapkan pada sampel berpasangan yang didasarkan pada perbedaan antara skor dalam dua kondisi yang berbeda. Setelah perbedaan-perbedaan ini dihitung, kemudian diberi peringkat tetapi tanda perbedaannya (positif atau negatif) ditetapkan ke peringkat tersebut. Dalam hal menggunakan program SPSS terdapat beberapa hal yang perlu diperhatikan, yaitu: a. Lihat baris berlabel Asymp. Sig. (2- tailed). Jika nilainya kurang dari 0,05 maka kedua kelompok berbeda secara signifikan. b. Lihat peringkat positif dan negatif (dan catatan kaki yang menjelaskan apa artinya) untuk memberi tahu Anda bagaimana perbedaan kelompok (semakin banyak peringkat di arah tertentu memberi tahu Anda arah hasilnya). c. SPSS hanya memberikan nilai signifikansi dua sisi; jika Anda ingin signifikansi satu sisi cukup bagi nilainya dengan 2 (Field, 2005).

Analisis Regresi Spline (skripsi dan tesis)

Spline merupakan model polinom yang tersegmen atau terpotong-potong yang mulus dan dapat menghasilkan fungsi regresi yang sesuai dengan data. Polinomial tersegmen tersebut memiliki peranan penting dalam teori dan aplikasi statistika. Mengestimasi spline tergantung pada titik knot. Titik knot merupakan suatu titik perpaduan yang terjadi karena perubahan pola perilaku dari suatu fungsi pada selang yang berbeda. Fungsi 𝑓(𝑥𝑖) pada persamaan (2.5) nonparametrik merupakan fungsi regresi yang tidak diketahui bentuknya dan sifat pemulusnya, maka untuk mengestimasi 𝑓(𝑥𝑖) tersebut dapat digunakan model regresi spline. Fungsi spline pada suatu fungsi f dengan orde p dapat dinyatakan sebagai berikut: 𝑓(𝑥𝑖 ) = 𝛽0 + 𝛽1𝑥𝑖 1 + ⋯ + 𝛽𝑝𝑥𝑖 𝑝 + ∑ 𝛽(𝑝+𝑙)(𝑥𝑖 − 𝑘𝑙)+ 𝑟 𝑝 𝑙=1 𝑓(𝑥𝑖 ) = ∑ 𝛽𝑗𝑥𝑖 𝑗 + ∑ 𝛽(𝑝+𝑙)(𝑥𝑖 − 𝑘𝑙)+ 𝑟 𝑝 𝑙=1 𝑝 𝑗=0 (2.6) dengan k menyatakan banyaknya titik knot dan (𝑥𝑖 − 𝑘𝑙)+ 𝑝 menyatakan fungsi potongan (truncated) yang dapat dijabarkan sebagai berikut: (𝑥𝑖 − 𝑘𝑙)+ 𝑝 = { (𝑥𝑖 − 𝑘𝑙) 𝑝 , 𝑥𝑖 ≥ 𝑘𝑙 0, 𝑥𝑖 < 𝑘𝑙 (2.7) Bentuk matematis dari fungsi spline pada persamaan (2.6), dapat dinyatakan bahwa spline adalah potongan-potongan polinom yang berbeda digabungkan bersama titik knot 𝑘1, 𝑘2, 𝑘3, … . , 𝑘𝑟 untuk menjamin sifat kontinuitasnya.

Analisis Regresi Nonparametrik (skripsi dan tesis)

Regresi nonparametrik merupakan suatu metode statistika yang digunakan untuk mengetahui pola hubungan antara variabel prediktor dengan respons ketika tidak diperoleh informasi sebelumnya tentang bentuk fungsi regresinya atau tidak diketahui bentuk kurva regresinya. Fungsi dari model regresi nonparametrik dapat berbentuk apa saja, baik linear atau nonlinear. Misalkan variabel respons adalah y dan variabel prediktor adalah x untuk n pengamatan, model umum dari regresi nonparametrik adalah 𝑦𝑖 = 𝑓(𝑥𝑖 ) + 𝜀𝑖 ; 𝑖 = 1,2,3, … , 𝑛 (2.5) dengan 𝑦𝑖 adalah variabel respons, 𝑥𝑖 adalah variabel prediktor, 𝑓(𝑥𝑖) adalah fungsi regresi yang tidak diketahui bentuknya, dan 𝜀𝑖 adalah sisaan yang diasumsikan bebas dengan nilai tengah nol dan varians σ2 . Metode regresi nonparametrik dapat digunakan dengan mengabaikan asumsi-asumsi yang melandasi metode regresi parametrik. Fungsi regresi nonparametrik f diasumsikan mulus sehingga memiliki fleksibilitas yang tinggi dalam mengestimasi fungsi regresinya. Ada beberapa teknik dalam mengestimasi regresi dalam nonparametrik yaitu deret Fourier, spline, dan kernel. Pada subbab berikutnya akan dibahas analisis regresi spline

Analisis Regresi Parametrik (skripsi dan tesis)

Analisis regresi merupakan sebuah alat statistika yang digunakan untuk melihat hubungan antara variabel respons dengan satu atau lebih variabel prediktor. Analisis regresi pertama kali dikemukakan oleh seorang antropolog dan ahli meteorologi terkenal di Inggris yaitu Sir Francis Galton (1822-1911). Dalam model regresi terdiri atas dua variabel yaitu variabel independent (variabel bebas) disebut juga variabel prediktor yang biasanya dinotasikan dengan variabel 𝑥, dan variabel dependent (variabel tak bebas) disebut juga variabel respons yang biasanya dinotasikan dengan variabel 𝑦. Variabel 𝑥 dan 𝑦 tersebut merupakan dua variabel yang saling berkorelasi. Misalkan terdapat data berpasangan (𝑥𝑖 , 𝑦𝑖) untuk n pengamatan, maka hubungan antara variabel 𝑥𝑖 dan variabel 𝑦𝑖 dapat dinyatakan sebagai berikut: 𝑦𝑖 = 𝑓(𝑥𝑖 ) + 𝜀𝑖 ; 𝑖 = 1,2, … , 𝑛 (2.1) dengan 𝑦𝑖 adalah respons ke-i, 𝑓(𝑥𝑖) adalah fungsi regresi atau kurva regresi, serta 𝜀𝑖 adalah sisaan yang diasumsikan independent dengan nilai tengah nol dan variansi σ 2 . Regresi parametrik merupakan metode yang digunakan untuk mengetahui pola hubungan antara variabel respons dan prediktor apabila bentuk kurva regresinya diketahui Model regresi dengan variabel prediktor lebih dari satu (𝑥1, 𝑥2, 𝑥3, … , 𝑥𝑝) secara umum dapat dituliskan sebagai berikut: 𝑦𝑖 = 𝛽0 + 𝛽1𝑥𝑖1 + 𝛽2𝑥𝑖2 + 𝛽3𝑥𝑖3 + ⋯ + 𝛽𝑝𝑥𝑖𝑝 + 𝜀𝑖 ; 𝑖 = 1,2,3, … , 𝑛 (2.2) dengan 𝛽0, 𝛽1, 𝛽2, 𝛽3, … , 𝛽𝑝 adalah koefisien regresi. Model dapat pula disajikan dalam bentuk matriks yang dituliskan pada persamaan sebagai berikut: [ 𝑦1 𝑦2 ⋮ 𝑦𝑛 ] = [ 1 1 ⋮ 1 𝑥11 𝑥21 ⋮ 𝑥𝑛1 𝑥12 𝑥22 ⋮ 𝑥𝑛2 … … ⋱ … 𝑥1𝑝 𝑥2𝑝 ⋮ 𝑥𝑛𝑝] [ 𝛽0 𝛽1 ⋮ 𝛽𝑝 ] + [ 𝜀1 𝜀2 ⋮ 𝜀𝑛 ] atau 𝒚 = 𝒙𝜷 + 𝜺 (2.3) dengan 𝒚 = [ 𝑦1 𝑦2 ⋮ 𝑦𝑛 ], 𝒙 = [ 1 1 ⋮ 1 𝑥11 𝑥21 ⋮ 𝑥𝑛1 𝑥12 𝑥22 ⋮ 𝑥𝑛2 … … ⋱ … 𝑥1𝑝 𝑥2𝑝 ⋮ 𝑥𝑛𝑝], 𝜷 = [ 𝛽0 𝛽1 ⋮ 𝛽𝑝 ], dan 𝜺 = [ 𝜀1 𝜀2 ⋮ 𝜀𝑛 ] (2.4) dengan 𝒚 adalah vektor kolom untuk variabel respons berukuran 𝑛 × 1, 𝑥 adalah matriks konstanta berukuran 𝑛 × 𝑝, 𝜷 adalah vektor parameter berukuran 𝑝 × 1, dan 𝜺 adalah vektor peubah acak normal bebas dengan nilai harapan 𝐸{𝜺} = 0 dan matrik ragam 𝜎 2 {𝜺} = 𝜎 2 yang berukuran 𝑛 × 1

Uji Chi-Square (skripsi dan tesis)

Chi-square atau kai kuadrat (X2 ) merupakan salah satu jenis uji komparatif nonparametrik yang dilakukan pada dua variabel, dimana skala data kedua variabel adalah nominal atau ordinal. Dasar dari uji chi-square adalah membandingkan perbedaan antara frekuensi observasi dengan frekuensi ekspektasi atau frekuensi yang diharapkan. Frekuensi observasi adalah frekuensi yang nilainya didapat dari hasil percobaan. Sedangkan frekuensi harapan adalah frekuensi yang nilainya dapat dihitung secara teoritis. Perbedaan tersebut untuk meyakinkan apabila harga dari chi-square sama atau lebih besar dari suatu harga yang telah ditetapkan pada taraf signifikan tertentu. Uji chi-square sangat bermanfaat dalam melakukan analisis statistik apabila asumsi-asumsi yang  dipersyaratkan untuk penggunaan statistik parametrik tidak dapat terpenuhi. Syarat-syarat dalam menggunakan uji ini adalah frekuensi responden atau sampel yang digunakan besar, karena ada beberapa syarat dimana chi-square dapat digunakan yaitu: a. Tidak ada cell dengan nilai frekuensi kenyataan (actual count) sebesar nol. b. Apabila bentuk tabel kontingensi 2×2, maka tidak boleh ada satu cell saja yang memiliki frekuensi harapan (expected count) kurang dari lima. c. Sedangkan apabila bentuk tabel lebih dari 2×2, maka jumlah cell dengan frekuensi harapan yang kurang dari lima tidak boleh lebih dari 20%. Adapun kegunaan dari uji chi-square sebagai berikut: a. Untuk mengetahui ada tidaknya asosiasi antara dua variabel. b. Untuk mengetahui homogenitas antar-sub kelompok. c. Untuk uji kenormalan data dengan melihat distribusi data. d. Untuk menganalisis data yang berbentuk frekuensi. e. Untuk menentukan besar kecilnya korelasi dari variabel-variabel yang dianalisis. Bentuk distribusi chi-square tergantung dari derajat kebebasan atau yang biasa dilambangkan d.f. (degree of freedom). Chi-square memiliki masing-masing nilai derajat kebebasan yaitu distribusi (kuadrat standard normal) yang merupakan distribusi chi-square dengan d.f. = 1 dan nilai variabel tidak bernilai negatif. Karakteristik dari chi-square yaitu nilainya selalu positif karena nilai chi-square adalah nilai kuadrat.

Crosstabs (skripsi dan tesis)

Crosstabs atau tabulasi silang merupakan suatu metode analisis deskriptif yang berbentuk tabel, dimana menampilkan tabulasi silang atau tabel kontingensi yang digunakan untuk mengidentifikasi serta mengetahui apakah ada korelasi atau hubungan sebab-akibat antara satu variabel dengan variabel yang lainnya ke dalam suatu matriks. Hasil crosstabs disajikan ke dalam suatu tabel dengan variabel yang tersusun sebagai kolom dan baris serta berisi nilai frekuensi dan persentase. Tabel yang dianalisis pada crosstabs ini adalah hubungan antara variabel dalam baris dengan variabel dalam kolom. Penyajian data pada umumnya adalah data kualitatif. Ciri dari penggunaan crosstabs yaitu data input yang pada umumnya berskala nominal atau ordinal. Pembuatan crosstabs dapat disertai dengan pengolahan atau perhitungan tingkat keeratan hubungan (asosiasi) antar variabel pada crosstabs. Alat statistik yang sering digunakan untuk menguji ada tidaknya hubungan antara baris dan kolom dari sebuah crosstabs adalah uji chi-square. Selain uji chi-square, ada beberapa alat uji lainnya yang dapat digunakan seperti kendall, kappa, dan lain sebagainya

Uji Tanda (Sign Test) (skripsi dan tesis)

Uji tanda atau sign test merupakan uji non-parametrik yang digunakan untuk menguji ada tidaknya perbedaan dari dua buah populasi yang saling berkorelasi, dimana datanya memiliki skala pengukuran ordinal. Metode analisis ini menggunakan data yang dinyatakan dalam bentuk tanda (+) positif dan (-) negatif dari perbedaan antara pengamatan yang berpasangan. Sedangkan nilai 0 tidak diikut sertakan dalam analisis karena nilai 0 berarti tidak terdapat perubahan sebelum dan sesudah perlakuan. Pada prinsipnya, uji tanda memiliki tujuan untuk menghitung selisih nilai dari kedua pasang sampel. Apabila Ho diterima, maka jumlah selisih pasangan data yang positif kurang lebih akan sama dengan pasangan data yang negatif, sehingga sangat diharapkan jumlah selisih pasangan data yang positif dan negatif adalah setengah dari total sampel yang ada. Sedangkan Ho ditolak, jika jumlah selisih pasangan data yang negatif dengan data yang positif memiliki perbedaan nilai yang sangat tingg

Ciri-Ciri Statistik Non-Parametrik (skripsi dan tesis)

Dalam menganalisis data tentunya harus mengetahui ciri-ciri dari statistik yang akan digunakan agar dapat lebih mudah dalam menentukan uji yang cocok untuk digunakan pada kasus tersebut. Berikut ciri-ciri dari statistik non-parametrik: a. Data tidak berdistribusi normal b. Umumnya data berskala nominal dan ordinal c. Umumnya dilakukan pada penelitian sosial d. Umumnya jumlah sampel kecil

Pengelompokan Kategori Statistik Non-Parametrik (skripsi dan tesis)

Dalam statistik non-parametrik terdapat pengelompokan yang didasarkan dari kriteria sampel yang diambil pada saat penelitian yaitu sampel tunggal, sampel independen, dan sampel dependen. Adapun penjelasan dari masing-masing kriteria sampel adalah sebagai berikut: a. Sampel Tunggal Sampel tunggal digunakan untuk menduga dan menguji hipotesis dari parameter yang ada, contohnya pengukuran nilai sentral. Pada statistik nonparametrik uji yang digunakan untuk menduga nilai sentral, seperti uji tanda (sampel tunggal) dan uji Wilcoxon. Selain itu, terdapat juga prosedur nonparametrik lainnya, antara lain uji binomial yang digunakan untuk pengukuran proporsi populasi, uji Trend untuk mengetahui kencenderungan dari populasi yang ada, dan uji Cox-Stuart untuk menguji data berdasarkan waktu. b. Sampel Independen Sampel independen memiliki kegunaan untuk membandingkan antara dua variabel yang terukur dari sampel yang bebas. Pengambilan sampel ini berasal dari dua populasi. Pada statistik parametrik dapat menggunakan uji t untuk membandingkan nilai mean dari dua kelompok independen, sedangkan alternatif pengujian dalam statistik non-parametrik dapat menggunakan uji, antara lain Wald-Wolfowitz Runs test, Mann-Whitney U-test, dan KolmogorovSmirnov Two-Sample test.
Namun, apabila ingin membandingkan lebih dari dua populasi maka digunakanlah analisis satu arah bertingkat dengan Median test dan Kruskal-Wallis test. c. Sampel Dependen Sampel dependen pada dasarnya digunakan untuk membandingkan dua variabel yang terukur dari sampel yang berhubungan. Dalam statistik nonparametrik, misalnya untuk mengetahui perbedaan produktivitas kerja, dengan melakukan pengukuran pada sampel pekerja sebelum mendapatkan pelatihan dengan sampel pekerja sesudah mendapatkan pelatihan. Hal seperti ini dapat dilakukan dengan menggunakan pengujian Sign Test dan Wilcoxon’s Matched Pairs Test. Namun jika variabel memiliki sifat yang dikotomi, maka dapat digunakan pengujian McNemar’s Chi-square Test. Selain itu, apabila ternyata terdapat lebih dari dua variabel yang diteliti maka pengujian yang tepat digunakan yaitu Friedman’s two-way analysis of variance dan Cochran Q test

Dasar Statistika (skripsi dan tesis)

Pada dasarnya statistika terbagi menjadi dua yakni stastika deskriptif dan statistika inferensial. Statistika inferensial terbagi menjadi dua yaitu statistik parametrik dan statistik non-parametrik. Statistik non-parametrik merupakan analisis yang tidak menggunakan parameter seperti yang terdapat pada statistik non-parametrik, misalnya: mean, standar deviasi, dan variansi. Statistik nonparametrik juga sering disebut dengan metode distribusi bebas. Statistik nonparametrik menjadi alternatif dari statistik parametrik ketika asumsi-asumsi yang mendasari dalam statistik parametrik tidak dapat terpenuhi, sebab metode ini tidak memerlukan asumsi atau mengabaikan asumsi-asumsi yang menjadi landasan metode statistika parametrik terutama yang berkaitan dengan distribusi normal. Selain itu, statistik non-parametrik digunakan pada data yang berskala nominal dan ordinal serta populasi yang bebas distribusi. Semua permasalahan statistik sebenarnya dapat diselesaikan dengan statistik non-parametrik. Namun harus dipahami bahwa tidak semua permasalahan statistik dapat diselesaikan dengan menggunakan statistik parametrik sehingga harus menggunakan statistik non-parametrik.

Software IBM SPSS (skripsi dan tesis)

Santoso (2010) berpendapat bahwa software SPSS dapat dijadikan sebagai alternatif pengguna untuk mengolah data dan menginterpretasi output dengan mudah dalam menyelesaikan permasalahan pada metode non-parametrik. SPSS (Statistical Product and Service Solution) merupakan program aplikasi bisnis yang berguna untuk melakukan perhitungan atau menganalisa data statistik dengan menggunakan komputer. Dalam SPSS yang perlu dilakukan untuk memulai menganalis data yaitu mendesain variabel yang akan dianalisis, memasukkan data, dan melakukan perhitungan sesuai dengan tahapan yang ada pada menu yang tersedia. SPSS memiliki berbagai macam fitur yang ditawarkan untuk mengolah data dalam berbagai kasus, seperti: a. IBM SPSS Data Collection : untuk pengumpulan data b. IBM SPSS Statistics : untuk menganalisis data c. IBM SPSS Modeler : untuk memprediksi trend d. IBM Analytical Decision Management : untuk pengambilan keputusan SPSS banyak diaplikasikan serta digunakan oleh pengguna di segala bidang bisnis, perkantoran, pendidikan, dan penelitian. Secara spesifik, pemanfaatan program ini digunakan untuk riset pemasaran, penilaian kredit, peramalan bisnis, penilaian kepuasan konsumen, pengendalian, serta pengawasan dan perbaikan mutu suatu produk. Keunggulan dari SPSS dibandingkan dengan program yang lainnya adalah kemudahan dalam memasukkan data, kemudahan dalam mengolah data dengan hanya memilih uji statistik yang sudah tersedia, cepat dalam menampilkan output, dan output mudah untuk dipahami, dibaca, dan dicetak. Selain itu, SPSS mampu mengakses data dari berbagai macam format data yang tersedia seperti base, lotus, access, text file, spreadsheet, bahkan mengakses database melalui ODBD (Open Data Base Connectivity) sehingga 18 data yang berbagai macam format dapat langsung terbaca SPSS yang selanjutnya untuk dianalisis. SPSS dapat menguji data yang berjenis data kualitatif maupun data kuantitatif. Informasi yang diberikan oleh SPSS sangatlah akurat, hal ini dapat dilihat dengan memperlakukan missing data secara tepat yaitu dengan memberi alasannya misalnya pernyataan atau pertanyaan yang tidak relevan dengan kondisi responden, pernyataan atau pertanyaan tidak dijawab oleh responden, maupun ada pernyataan atau pertanyaan yang memang harus dilompati. Statistik yang termasuk software dasar SPSS, yakni: a. Statistik Deskriptif (Frekuensi, Deskripsi, Tabulasi Silang, Penelusuran, dan Statistik Deskripsi Rasio) b. Statistik Bivariat (Rata-Rata, ANOVA, t-test, Korelasi (Bivariat, Persial, Jarak), dan NonParametrik Test) c. Prediksi Hasil Numerik (Regresi Linear) d. Prediksi untuk mengidentifikasi kelompok (Diskriminan, Analisis Cluster (Two-Step, K-means, Hierarkis), dan Analisis Faktor)

Sumber Data (skripsi dan tesis)

 Berdasarkan sumbernya, data penelitian dapat dikelompokkan menjadi dua jenis yaitu:
a. Data Primer Merupakan data yang diperoleh atau dikumpulkan oleh peneliti secara langsung dari sumber data utama. Data primer biasa disebut juga data asli yang memiliki sifat up to date. Teknik yang dapat digunakan peneliti untuk mengumpulkan data primer dengan cara seperti wawancara, observasi, dan penyebaran kuesioner.
b. Data Sekunder Merupakan data yang diperoleh atau dikumpulkan oleh peneliti dari berbagai sumber yang telah ada. Data sekunder dapat diperoleh dari berbagai sumber seperti pusat statistik, buku, laporan, makalah, jurnal, dan lain sebagainya

Metode Pengambilan Sampel (skripsi dan tesis)

Sampling adalah cara pengumpulan data dengan hanya elemen sampel yang diteliti, hasilnya merupakan data perkiraan atau estimate, bukan data sebenarnya. Sedangkan teknik sampling adalah suatu teknik pengambilan sampel (Sugiyono, 2013). Alasan teknik sampling lebih sering digunakan karena lebih menghemat waktu, biaya, serta tenaga, terkadang tidak diketahui objek secara keseluruhan, dan sering terjadi kesalahan dalam pengumpulan data dikarenakan banyak objek atau elemen yang harus diteliti. Suatu keputusan yang didasarkan atas data perkiraan hasil penelitian sampel akan selalu menimbulkan resiko. Resiko ini tidak dapat dihindari namun hanya dapat diperkecil dengan jalan memperkecil kesalahan sampling yaitu dengan memilih sampling yang tepat yang dapat mewakili populasi dari sampel yang diambil. Pada dasarnya teknik sampling dapat dikelompokkan menjadi dua macam yaitu probability sampling dan non-probability sampling. a. Metode dalam probability sampling i. Simple Random Sampling ii. Proportionate Stratified Sampling iii. Disproportionate Stratified Random Sampling iv. Cluster Sampling 13 b. Metode dalam non-probability sampling i. Sampling Sistematis ii. Sampling Kuota iii. Sampling Insidental iv. Sampling Jenuh v. Purposive Sampling vi. Snowball Sampling

Kuesioner (skripsi dan tesis)

Kuesioner merupakan teknik pengumpulan data yang dilakukan dengan cara memberi suatu pernyataan atau pertanyaan tertulis kepada responden (Sugiyono, 2013). Kuesioner berdasarkan bentuknya terbagi menjadi dua jenis, yaitu: a. Kuesioner Tertutup Kuesioner yang menyajikan pertanyaan dan alternatif pilihan jawaban sehingga responden hanya dapat memberikan tanggapan yang terbatas pada pilihan yang telah diberikan. Contoh dari kuesioner tertutup ini yaitu penilaian pelayanan pada sebuah cafe dan diberikan beberapan alternatif pilihan jawaban seperti sangat baik, baik, cukup, dan buruk. b. Kuesioner Terbuka Kuesioner yang memberikan kebebasan bagi responden untuk memberikan jawaban atau tanggapan atas pertanyaan yang telah diberikan, biasanya responden dapat menulis sendiri jawabannya berupa uraian. Contoh dari kuesioner terbuka yaitu “menurut anda seberapa pentingkah penggunaan smartphone?”. Penggunaan kuesioner banyak digunakan oleh peneliti karena dianggap lebih efektif dan efisien untuk mengumpulkan data dari responden yang jumlahnya besar dan dalam ruang lingkup wilayah penelitian yang luas

Penentuan Ukuran Sampel (skripsi dan tesis)

Ukuran sampel merupakan banyaknya individu, subjek, atau elemen dari populasi yang diambil sebagai sampel. Menurut Sugiyono (2013) mendefinisikan populasi adalah wilayah generalisasi yang terdiri atas objek atau subyek yang memiliki kualitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari dan ditarik kesimpulan. Sedangkan sampel adalah bagian dari beberapa anggota yang dipilih dari populasi (Sekaran dan Bougie, 2010). Apabila ukuran sampel yang diambil terlalu besar atau terlalu kecil maka akan menjadi masalah dalam penelitian. Sampel yang baik yaitu sampel yang memberikan pencerminan optimal atau dapat mewakili terhadap populasinya (representative). Berikut pendapat para ahli tentang ukuran sampel: a. Gay dan Diehl (1992) mengasumsikan bahwa semakin banyak sampel yang diambil maka akan semakin representative dan hasilnya dapat di genelisir atau dapat diterima, namun akan sangat bergantung pada jenis penelitiannya. i. Penelitian bersifat deskriptif maka sampel minimumnya sebesar 10% dari populasi. ii. Penelitan yang bersifat korelasional maka sampel minimumnya 30 subyek. iii. Penelitian kausal-perbandingan maka sampelnya sebanyak 30 subyek per grup. iv. Sedangkan penelitian ekperimental maka sampel minimumnya sebanyak 15 subyek per grup. b. Roscoe (1975) menentukan ukuran sampel yang tepat yaitu sebesar ≥30 dan ≤500 sampel dan jika sampel dipecah ke dalam sub-sampel maka ukuran sampel minimum 30 untuk setiap kategori yang ada. Sugiyono (2013) menambahkan bahwa untuk penentuan jumlah sampel dari populasi tertentu yang dikembangkan dari Isaac dan Michael untuk tingkat kesalahan sebesar 1%, 5%, dan 10%.

Statistik Nonparametrik (skripsi dan tesis)

  1. Pengertian

Statistik Non-Parametrik, yaitu statistik bebas sebaran (tidak mensyaratkan bentuk sebaran parameter populasi, baik normal atau tidak). Selain itu, statistik non-parametrik biasanya menggunakan skala pengukuran sosial, yakni nominal dan ordinal yang umumnya tidak berdistribusi normal.

  1. Syarat statistik non-parametrik
  2. Data tidak berdistribusi normal
  3. Umumnya data berskala nominal dan ordinal
  4. Umumnya dilakukan pada penelitian social
  5. Umumnya jumlah sampel kecil
  6. Contoh metode statistik non-parametrik :
  7. Uji tanda (sign test)
  8. Rank sum test (wilcoxon)
  9. Rank correlation test (spearman)
  10. Fisher probability exact test.
  11. Chi-square test, dll
  12. Keunggulan dan kelemahan statistik non-parametrik
  13. Keunggulan :

1)   Tidak membutuhkan asumsi normalitas.

2)   Secara umum metode statistik non-parametrik lebih mudah dikerjakan dan lebih mudah dimengerti jika dibandingkan dengan statistik parametrik  karena ststistika non-parametrik tidak membutuhkan perhitungan matematik yang rumit seperti halnya statistik parametrik.

3) Statistik non-parametrik dapat digantikan data numerik (nominal) dengan jenjang (ordinal).

4) Kadang-kadang pada statistik non-parametrik tidak dibutuhkan urutan atau jenjang secara formal karena sering dijumpai hasil pengamatan yang dinyatakan dalam data kualitatif.

5) Pengujian hipotesis pada statistik non-parametrik dilakukan secara langsung pada pengamatan yang nyata.

6) Walaupun pada statistik non-parametrik tidak terikat pada distribusi normal populasi, tetapi dapat digunakan pada populasi berdistribusi normal.

  1. Kelemahan

1)    Statistik non-parametrik terkadang mengabaikan beberapa informasi tertentu.

2) Hasil pengujian hipotesis dengan statistik non-parametrik tidak setajam statistik parametrik.

3)  Hasil statistik non-parametrik tidak dapat diekstrapolasikan ke populasi studi seperti pada statistik parametrik. Hal ini dikarenakan statistik non-parametrik mendekati eksperimen dengan sampel kecil dan umumnya membandingkan dua kelompok tertentu

Statistik Parametrik (skripsi dan tesis)

  1. Pengertian

Statistik Parametrik, yaitu ilmu statistik yang mempertimbangkan jenis sebaran atau distribusi data, yaitu apakah data menyebar secara normal atau tidak.

Statistik parametrik digunakan untuk menguji hipotesis dan variabel yang terukur. Dengan kata lain, data yang akan dianalisis menggunakan statistik parametrik harus memenuhi asumsi normalitas. Pada umumnya, jika data tidak menyebar normal, maka data seharusnya dikerjakan dengan metode statistik non-parametrik, atau setidak-tidaknya dilakukan transformasi terlebih dahulu agar data mengikuti sebaran normal, sehingga bisa dikerjakan dengan statistik parametrik.

  1. Syarat-syarat statistik parametrik :
  2. Data dengan skala interval dan rasio
  3. Data menyebar/berdistribusi normal
  4. Contoh metode statistik parametrik :
  5. Uji-z (1 atau 2 sampel)
  6. Uji-t (1 atau 2 sampel)
  7. Korelasi pearson,
  8. Perancangan percobaan (one or two-wayanova parametrik), dll.
  9. Keunggulan dan kelemahan statistik parametrik
  10. Keunggulan

1)   Syarat syarat parameter dari suatu populasi yang menjadi sampel biasanya tidak diuji dan dianggap memenuhi syarat, pengukuran terhadap data dilakukan dengan kuat.

2)   Observasi bebas satu sama lain dan ditarik dari populasi yang berdistribusi normal serta memiliki varian yang homogen.

  1. Kelemahan

1)   Populasi harus memiliki varian yang sama.

2)   Variabel-variabel yang diteliti harus dapat diukur setidaknya dalam skala interval.

3)   Dalam analisis varian ditambahkan persyaratan rata-rata dari populasi harus normal dan bervarian sama, dan harus merupakan kombinasi linear dari efek-efek yang ditimbulkan.