Pendahuluan
Platform YouTube telah berkembang menjadi salah satu saluran utama bagi pembuat konten untuk berinteraksi dengan penonton mereka, memperluas publik, dan membentuk komunitas yang kuat. Mengadakan giveaway adalah salah satu metode yang populer yang digunakan oleh kreator untuk meningkatkan keterlibatan dan kesetiaan pengikut mereka. Senjata yang paling ampuh untuk meningkatkan keterlibatan pelanggan adalah giveaway. Namun, kreator seringkali menghadapi kesulitan dalam menentukan penerima yang paling layak dengan cara yang lebih adil dan efisien.
Penulis menggunakan kombinasi antara metode Analytical Hierarchy Process (AHP) dan Simple Additive Weighting (SAW) untuk mengoptimalkan pemilihan penerima giveaway di YouTube dalam merancang sistem pendukung keputusan. Pengambil keputusan menggunakan sistem pendukung keputusan untuk memilih alternatif terbaik dari sejumlah alternatif dan melanjutkannya sebagai solusi suatu masalah. Metode Analytical Hierarchy Process (AHP) akan memberikan penilaian bobot relatif dari setiap kriteria dan subkriteria berdasarkan preferensi relatif dari pengambil keputusan. Sementara, metode Simple Additive Weighting (SAW) akan menilai alternatif yang tersedia berdasarkan kriteria dan bobotnya yang telah ditetapkan sehningga didapatkan nilai akhir atau skor kinerja.
Metodologi
Metode AHP
Metode Analytical Hierarhical Process dikembangkan oleh Thomas L Saaty dari Universitas Pittsburg yang merupakan seorang ahli matematika. Metode ini dimaksudkan untuk mengumpulkan persepsi orang tentang masalah tertentu dengan menggunakan prosedur yang dirancang sampai pada skala preferensi di antara berbagai set alternatif. Hirarki memungkinkan masalah kompleks diuraikan ke dalam kelompok-kelompok yang diatur secara hirarki sehingga lebih sistematis dan terstruktur.
Analisis Hierarki Pilihan (AHP) adalah metode pengambilan keputusan yang memanfaatkan kriteria ganda, baik kuantitatif maupun kualitatif, nyata maupun tidak nyata, dan juga mempertimbangkan konflik dan perbedaan.
Secara umum, metode ini dibagi menjadi tiga proses utama, yaitu pembuatan struktur hirarki, kompilasi evaluasi matriks dan penyortiran hirarki dan pengecekan konsistensi. Berikut merupakan tahapan-tahapan pembobotan kriteria menggunakan metode AHP .
Pembentukan Matriks Berpasangan
Nilai elemen-elemen pada matriks harus berdasarkan terhadap skala penilaian perbandingan berpasangan. Untuk rinciannya, dapat dilihat pada tabel di bawah ini.
Untuk menghitung matriks perbandingan berpasangan (Mi), masing-masing elemen diperkalikan pada masing-masing baris matriks perbandingan, seperti yang ditunjukkan dalam persamaan berikut:
Menghitung Prioritas Vektor
Selanjutnya, hitung nilai n akar pangkat dari Mi yang persamaanya dapat dilihat sebagai berikut.
Lalu lakukan normalisasi nilai terhadap atau ini disebut juga dengan nilai Eigenvector yang merupakan nilai bobot kriteria yang akan digunakan, dengan persamaan sebagai berikut.
Uji Konsistensi Index dan Rasio
Dibutuhkan nilai CR < 0.1 untuk dinilai telah konsisten pada matriks perbandingan berpasangan sehingga nilai bobot prioritas ini bisa digunakan untuk menghitung nilai akhir alternatif. Nilai CR (Consistency Ratio) didapat dari persamaan berikut.
Nilai CI (Concistency Index) didapat dari persamaan berikut.
Untuk nilai dari atau lamda maks didapat dari persamaan berikut.
Untuk nilai RI (Random Index) disesuaikan dengan jumlah kriteria (n) yang dimiliki berbanding terhadap level yang sedang diuji. Untuk nilainya sendiri dapat dilihat pada tabel berikut.
Metode SAW
Metode Simple Additive Weighting menggunakan pembobotan untuk masing-masing kriteria untuk menghasilkan hasil perankingan. Metode ini memiliki dua atribut: benefit dan cost. Agar metode ini dapat mempertimbangkan semua opsi yang tersedia, proses normalisasi keputusan (x) harus dilakukan.
Normalisasi dapat dilakukan dengan formula sebagai berikut.
Selanjutnya nilai preferensi untuk setiap alternatif (Vi) didapatkan dengan formula sebagai berikut.
Alternatif yang memiliki nilai yang lebih besar, mengindikasikan bahwa alternatif tersebut yang direkomendasikan.
Studi Kasus
Penentuan Kriteria dan Hirarkinya
Diperoleh penetapan kriteria dari hasil observasi dan analisis data pada platform youtube. Struktur hirarki dari permasalahan yang ingin diteliti, yaitu pemilihan penerima giveaway terbaik berdasarkan beberapa kriteria yang digambarkan sebagai berikut.
Goal atau tujuan berdasarkan pada gambar di atas memiliki tiga kriteria utama dalam menentukan urutan rekomendasi pemenang. Kriteria pertama adalah memastikan calon penerima giveaway apakah dia telah berlangganan terhadap saluran.
Pada level 1 kriteria pertama (C1) dan ketiga (C3), didapatkan dua nilai kriteria, yaitu “Ya” dan “Tidak”. Masing-masing rating kecocokan setiap nilai adalah sebagai berikut.
Kriteria kedua (C2) merupakan keaktifan calon penerima giveaway. Pada level kedua kriteria ini (C2) memiliki tiga subkriteria, yaitu persentase calon penerima giveaway dari total video yang ditonton, dikomentari dan disukai terhadap saluran. Masing-masing nilai subkriteria tersebut dibagi menjadi tiga nilai yang terhimpun, yaitu rentang dari 0% <= x < 33%, 33% <= x < 66% dan x >= 66%; dimana, x merupakan nilai persentasenya. Masing-masing rating kecocokan setiap nilai kriteria adalah sebagai berikut.
Penerapan Metode AHP dalam Penentuan Bobot Kriteria
Dilakukan proses pembobotan dua level kriteria berdasarkan pembentukan kriteria dan hirarkinya. Tahap pertama pada analisis perhitungan pembobotan untuk semua level kriteria adalah melakukan pembentukan matriks berpasangan yang ditunjukkan pada 2 tabel berikut.
Sesuai dengan rumus yang digunakan, didapatkan bobot atau prioritas vektor per-kriteria (Wi) dengan rincian pada dua tabel di bawah ini.
Selanjutnya, nilai dari CR ditetapkan berdasarkan jumlah kriteria (n) pada masing-masing level yang dimiliki. Berhubung jumlah kriteria memiliki nilai yang sama, yaitu 3, maka masing-masing level memiliki nilai CR sebesar 0.58. nilai dan RI dihitung sesuai rumus. Didapatkan nilai yang sama juga pada level pertama dan kedua. Untuk rinciannya, dapat dilihat pada tabel di bawah ini.
Nilai pada CR menunjukkan <= 0,1, sehingga dapat dikatakan konsisten. Dari hasil pembobotan pada masing-masing level yang telah diproses menggunakan AHP dapat dilihat detailnya pada gambar di bawah.
Penerapan Metode SAW dalam Penentuan Nilai Preferensi
Misal untuk data alternatif, terdapat 5 calon penerima giveaway dengan rincian pada tabel berikut.
Selanjutnya dilakukan Rating kecocokan pada setiap alternatif di setiap kriteria yang dapat dilihat pada tabel berikut.
Setelah didapatkan masing-masing bobot pada setiap level, dilakukan penghitungan nilai preferensi menggunakan metode SAW pada masing-masing level dan dimulai pada level 2 pada C2 untuk mendapatkan nilai kriteria ‘Keaktifan’ dari nilai preferensi untuk setiap alternatifnya.
Pada level kedua pada kriteria ‘Keaktifan’ atau C2 diambil nilai-nilai kriterianya dan dibentuk matrik keputusan. Detail matrik dapat dilihat pada gambar berikut.
Selanjutnya, dilakukan normalisasi pada matrik keputusan menggunakan formula yang telah digunakan. Karena semua kriteria bersifat benefit, maka digunakan rumus untuk mendapatkan nilai normalisasi pada setiap elemennya. Sehingga, didapatkan matrik normalisasi keputusan yang dapat dilihat pada persamaan berikut.
Didapatkan nilai preferensi untuk setiap alternatif (Vi) pada kriteria ‘Keaktifan’ pada tabel berikut.
Terjadi perubahan data kriteria setiap alternatif pada level 1. Data perubahan dapat dilihat pada berikut ini.
Seperti yang dilakukan oleh level kedua pada C2, dilakukan penghitungan menggunakan metode SAW pada Alternatif (tabel di atas) untuk mendapatkan nilai preferensi. Berikut merupakan hasil nilai preferensi dan perankingan yang dapat dilihat pada tabel berikut.
Berdasarkan tabel nilai preferensi diatas, dapat dikatakan bahwa A3 > A4 > A2 > A5 > A1. Nilai terbesar dimiliki oleh A3 sehingga dapat dijadikan sebagai alternatif terbaik.
Kesimpulan
Dari analisa yang telah dilakukan sebelumnya, maka kombinasi AHP dan SAW bisa dijadikan salah satu metode kombinasi dalam perancangan sistem pendukung keputusan, khususnya dalam pemilihan calon pemenang giveaway pada platform youtube. Metode SAW sangat mudah dalam pengkalkulasian sehingga jika diterapkan pada pemrograman tidak membutuhkan kode dengan kompleksitas yang tinggi. Sedangkan untuk metode AHP sangat bisa digunakan dalam menyelesaikan permasalahan dalam sistem pendukung keputusan yang memiliki kriteria dan alternatif dari berbagai tingkatan.
Baca konten-konten menarik Kompasiana langsung dari smartphone kamu. Follow channel WhatsApp Kompasiana sekarang di sini: https://whatsapp.com/channel/0029VaYjYaL4Spk7WflFYJ2H