ANALISIS PEMILIHAN MARKETPLACE BERDASARKAN PREFERENSI KONSUMEN GENERASI Z MENGGUNAKAN METODE AHP DAN TOPSIS
Keywords:
AHP, Generasi Z, Marketplace, Preferensi Konsumen, TOPSIS.Abstract
Pertumbuhan pesat e-commerce di Indonesia meningkatkan kompleksitas keputusan konsumen dalam memilih marketplace, khususnya pada Generasi Z yang memiliki karakteristik adaptif terhadap teknologi dan dipengaruhi oleh berbagai faktor dalam bertransaksi. Penelitian ini bertujuan menganalisis pemilihan marketplace berdasarkan preferensi konsumen Generasi Z menggunakan kombinasi metode Analytical Hierarchy Process (AHP) dan Technique for Order Preference by Similarity to Ideal Solution (TOPSIS). Data diperoleh melalui penyebaran kuesioner kepada 50 responden untuk pembobotan AHP dan 62 responden untuk penilaian alternatif pada TOPSIS. Pada tahap AHP dilakukan proses pembersihan data dan pengujian Consistency Ratiomarketplace berdasarkan penilaian responden yang memenuhi persyaratan konsistensi metode AHP. Meskipun demikian, hasil pembobotan belum dapat digeneralisasikan untuk merepresentasikan seluruh populasi Generasi Z sehingga penelitian selanjutnya disarankan memperluas jumlah responden yang memenuhi uji konsistensi serta melakukan analisis sensitivitas.
References
[1] . Instrumen ini berfungsi untuk mengukur tingkat kepentingan relatif antar-kriteria secara berpasangan, misalnya antara variabel Harga dan Reputasi. Hasil penilaian responden tersebut menghasilkan data numerik mentah yang wajib melewati uji konsistensi terlebih dahulu sebelum diaplikasikan pada tahap pembobotan kriteria. pembobotan kriteria. 2.4 Perhitungan AHP Geometric Mean Keterangan : GM= Rata-rata ukur n= jumlah reponden x= nilai perbandingan dari responden ke-n Matriks Perbandingan Berpasangan Keterangan : A= matriks perbandingan kriteria/alternatif = nilai perbandingan kriteria ke-i terhadap dirinya sendiri = tingkat kepentingan elemen i terhadap j = nilai respirokal dari i = indeks baris j = indeks kolom n=jumlah kriteria Normalisasi Matriks Keterangan : Bobot Prioritas (Eigen Vector) Keterangan bobot kriteria ke-i n = jumlah kriteria = hasil normalisasi Weighted Sum Nilai Prioritas Alternatif Keterangan : Consistency Index (CI) CI= Keterangan : CI = tingkat ketidakkonsistenan n= jumlah kriteria Tabel 1. Random Index Consistency Ratio (CR) CR= Keterangan : CR= rasio konsistensi Jika CR 0.1 konsisten Jika CR > 0.1 evaluasi ulang matriks 2.5 Penyusunan Kuesioner TOPSIS Kuesioner TOPSIS dirancang khusus untuk mengukur performa aktual atau nilai evaluasi dari setiap alternatif marketplace terhadap masing-masing kriteria yang telah ditetapkan. penilaian langsung seperti skala Likert (1–5) untuk menangkap persepsi responden mengenai kinerja platform (misalnya, menilai seberapa murah harga atau seberapa baik reputasi pada platform tertentu). Data kuantitatif yang diperoleh dari kuesioner ini akan diakumulasikan menjadi matriks keputusan awal (X), yang nantinya menjadi input utama untuk diproses dalam perhitungan jarak solusi ideal positif dan negatif. 2.6 Perhitungan TOPSIS Normalisasi Matriks Keterangan : Menghitung Jarak Solusi Ideal Keterangan : nilai ideal positif kriteria ke-j nilai ideal negatif kriteria ke-j Nilai Preferensi Keterangan : Hasil dan Pembahasan 3.1 HASIL 3.1.1 AHP Gambar 4. Hasil CR Tahap Pertama Berdasarkan hasil pengumpulan awal, diperoleh data sebanyak 50 responden. Namun, setelah dilakukan proses pembersihan data serta pengujian tingkat konsistensi (Consistency Ratio/CR), hanya 15 responden yang memenuhi ambang batas konsistensi (CR ≤ 0,1), sehingga data yang digunakan pada proses pembobotan AHP berjumlah 15 responden (30% dari total data awal). Responden yang tidak memenuhi batas konsistensi dieliminasi karena penilaian yang tidak konsisten berpotensi menghasilkan bobot prioritas yang bias. Dalam metode AHP, konsistensi penilaian merupakan prasyarat utama sebelum dilakukan agregasi menggunakan Geometric Mean. Oleh karena itu, penggunaan 15 responden pada tahap pembobotan bukan dimaksudkan sebagai representasi statistik seluruh populasi Generasi Z, melainkan sebagai himpunan penilaian yang telah memenuhi persyaratan validitas metode AHP. Dengan demikian, pembobotan dilakukan berdasarkan data yang valid dan konsisten sehingga hasil yang diperoleh lebih dapat dipertanggungjawabkan secara metodologis. Tabel 2 . Hasil agregasi menggunakan metode Geometric Mean (GM) Hasil agregasi menggunakan metode Geometric Mean (GM) guna merangkum penilaian perbandingan berpasangan dari banyak responden menjadi satu nilai perwakilan. Metode ini digunakan sebagai pengganti rata-rata hitung biasa (arithmetic mean) karena dinilai lebih relevan dan stabil dalam merepresentasikan data yang bersifat perbandingan rasio. Matriks perbandingan berpasangan yang merepresentasikan konsensus penilaian dari seluruh responden valid. Matriks ini dibentuk berdasarkan perhitungan Geometric Mean, di mana setiap sel menunjukkan seberapa dominan suatu kriteria dibandingkan dengan kriteria lainnya. Total penjumlahan pada masing-masing kolom nantinya akan menjadi dasar perhitungan untuk menentukan kriteria mana yang memiliki bobot prioritas tertinggi. Tabel 3. Matriks perbandingan berpasangan Normalisasi matriks dengan cara membagi setiap nilai sel dengan total jumlah pada masing-masing kolomnya. Hasil normalisasi tersebut kemudian dirata-ratakan pada setiap baris untuk menghasilkan nilai bobot prioritas akhir dari masing-masing kriteria. Berdasarkan kolom 'Bobot' merepresentasikan tingkat kepentingan kriteria, di mana nilai-nilai tersebut akan menjadi acuan utama dalam proses evaluasi dan perangkingan alternatif Tabel 4. Normalisai Matriks Hasil perhitungan Weighted Summary (WS) untuk kelima kriteria penelitian. Perhitungan ini merupakan tahapan esensial dan menjadi prasyarat sebelum menghitung Consistency Index (CI). Nilai WS yang dihasilkan dari tiap kriteria akan digunakan untuk menghitung rasio konsistensi matriks guna memastikan validitas pembobotan yang telah dilakukan. + Tabel 5. Hasil Perhitungan Weighted Summary (WS) Menunjukkan proses penentuan nilai eigen maksimum yang dihitung berdasarkan nilai Weighted Summary sebelumnya. Hasil pembagian antara bobot setiap kriteria dengan matriks penjumlahannya menghasilkan rata-rata nilai eigen sebesar 5,32. Angka acuan ini selanjutnya akan dievaluasi menggunakan rumus indeks konsistensi guna memastikan matriks perbandingan kriteria telah valid. Tabel 6. Hasil Pembagian antara Bobot Setiap Kriteria Consistency Ratio (CR) CI= CI= CI=0.08 CR= CR=0.07 3.1.2 TOPSIS Gambar 5. Rekapitulasi data mentah hasil kuesioner Rekapitulasi data mentah hasil kuesioner utama diperoleh dari 62 respons yang telah diisi oleh para responden Generasi Z. Data tersebut memuat karakteristik responden serta skor penilaian individu terhadap berbagai indikator performa alternatif marketplace. Untuk menyederhanakan matriks data dan mendapatkan nilai representatif pada tahap perankingan TOPSIS, skor penilaian dari ke-62 responden tersebut diakumulasikan menggunakan perhitungan rata-rata (mean) guna membentuk matriks keputusan awal. Gambar 6. Pengelompokkan Nilai Performa Setiap Alternatif Terhadap Masing-Masing Kriteria Proses penyusunan matriks ini dilakukan dengan mengelompokkan nilai performa setiap alternatif terhadap masing-masing kriteria. Sebagai contoh, alternatif Shopee memiliki nilai rata-rata 3.77 pada kriteria Promosi dan 4.00 pada kriteria Kelengkapan. Matriks hasil kompilasi ini akan berfungsi sebagai data input utama yang siap diproses ke tahap perhitungan pembobotan atau perangkingan akhir. Penyebut Promosi Normalisasi Gambar 7. Transformasi Data Awal Menjadi Matriks Ternormalisasi (R). Fungsi matematis dari pustaka Numpy, sistem melakukan transformasi data awal menjadi matriks ternormalisasi (R). Proses ini berfungsi untuk menyelaraskan dimensi setiap kriteria menjadi unit yang tidak berskala (dimensionless), sehingga memudahkan proses perbandingan performa antar-alternatif secara obyektif. Normalisasi Matriks Terbobot Gambar 8. AHP yang Diubah Menjadi Struktur Array Bobot yang ditarik dari hasil evaluasi AHP diubah menjadi struktur array dengan nilai masing-masing sebesar 0.43, 0.24, 0.15, 0.13, dan 0.06. Vektor bobot ini selanjutnya akan difungsikan sebagai pengali (multiplier) terhadap setiap kolom kriteria pada matriks performa alternatif. Gambar 9. Matriks Evaluasi yang Telah Disetarakan Skalanya (R) Mengalikan matriks evaluasi yang telah disetarakan skalanya (R) dengan parameter bobot AHP (w). Matriks Y yang dihasilkan dari proses ini akan menjadi landasan utama untuk mengkalkulasikan skor akhir masing-masing marketplace. Menghitung Solusi Ideal Gambar 10. Matriks Solusi Ideal Positif dan Solusi Ideal Negatif. Menentukan matriks Solusi Ideal Positif dan Solusi Ideal Negatif. Proses ekstraksi nilai ideal tersebut menggunakan sistem komputasi. Solusi ideal positif diperoleh dengan menarik nilai maksimum dari setiap kolom kriteria, yang merepresentasikan performa alternatif terbaik. Sebaliknya, solusi ideal negatif didapatkan dengan mengambil nilai minimum dari tiap kolom, yang mewakili kondisi alternatif terburuk. Nilai-nilai ekstrem inilah yang nantinya akan digunakan sebagai titik acuan untuk menghitung jarak kedekatan setiap alternatif. Gambar 11. Titik Solusi Ideal Positif dan Negatif Setelah titik solusi ideal positif dan negatif didefinisikan, langkah krusial selanjutnya dalam metode TOPSIS adalah menghitung jarak setiap alternatif terhadap kedua titik ideal tersebut. Nilai Preferensi Gambar 12. Perangkingan Alternatif Menggabungkan nilai jarak ideal positif, jarak ideal negatif , dan nilai preferensi ke dalam satu tabel ringkasan. Sistem kemudian mengeksekusi proses perangkingan dengan menetapkan alternatif yang memiliki nilai preferensi paling mendekati angka 1 sebagai rekomendasi solusi terbaik. 3.2 PEMBAHASAN 3.2.1 AHP Berdasarkan hasil pengolahan data menggunakan metode Analytic Hierarchy Process (AHP), kriteria Promosi menempati prioritas utama dengan bobot tertinggi sebesar 0,43, disusul oleh kriteria Harga dengan bobot 0,24. Posisi selanjutnya secara berturut-turut diisi oleh kriteria Kelengkapan Produk (0,15) dan Reputasi (0,13). Dominasi kriteria promosi dan harga ini sejalan dengan karakteristik Generasi Z yang sensitif terhadap nilai ekonomis dan daya tarik penawaran. Sebagai kelompok digital natives, mereka cenderung membandingkan skema promosi dan harga antar-platform secara cepat sebelum memutuskan untuk bertransaksi. Di sisi lain, kriteria Kemudahan Penggunaan menempati urutan terakhir dengan bobot 0,06. Temuan ini dapat dipahami mengingat profil Generasi Z yang adaptif terhadap perkembangan teknologi (tech-savvy). Bagi kelompok konsumen ini, kemudahan operasional dan kualitas antarmuka (user interface) umumnya tidak lagi dipandang sebagai keunggulan kompetitif utama penentu keputusan, melainkan lebih kepada ekspektasi dasar yang diasumsikan telah dipenuhi oleh setiap platform e-commerce. Adapun akumulasi nilai bobot kriteria yang mencapai 1,01 merupakan akibat dari penyesuaian pembulatan dua desimal pada penyajian data. Terlepas dari selisih pembulatan tersebut, struktur hierarki dan matriks perbandingan berpasangan dalam perhitungan instrumen ini telah dievaluasi dan menunjukkan tingkat konsistensi yang dapat diterima dalam metodologi AHP. 3.2.2 TOPSIS Hasil perhitungan preferensi menggunakan metode Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) menempatkan TikTok Shop sebagai alternatif marketplace terbaik dengan nilai kedekatan relatif tertinggi sebesar 0,972152. Pencapaian ini sejalan dengan tren social commerce yang berhasil mengintegrasikan unsur hiburan media sosial dan transaksi jual beli secara seamless—sebuah konsep belanja yang sangat digemari oleh Generasi Z. Selain itu, nilai matriks keputusan merefleksikan keunggulan telak TikTok Shop pada dua kriteria berbobot tinggi hasil analisis AHP sebelumnya, yaitu kriteria Promosi dan Harga. Sementara itu, Shopee menempati posisi kedua dengan nilai preferensi sebesar 0,761680. Shopee tetap menjadi pesaing kuat karena didukung oleh ekosistem promosi yang matang (seperti fitur gratis ongkir) serta kelengkapan produknya di Indonesia. Di sisi lain, Tokopedia berada di peringkat ketiga dengan nilai preferensi sebesar 0,188414, diikuti oleh Lazada di peringkat terakhir dengan nilai preferensi sebesar 0,000000. Posisi Lazada di urutan terbawah ini mengindikasikan bahwa persepsi responden Generasi Z terhadap daya saing platform tersebut, baik dari segi intensitas promosi maupun kesesuaian harga, masih tertinggal secara signifikan dibandingkan dengan ketiga kompetitor utamanya dalam penelitian ini. Kesimpulan Penelitian ini berhasil menerapkan kombinasi metode Analytical Hierarchy Process (AHP) dan Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) untuk menentukan marketplace yang paling sesuai dengan preferensi konsumen Generasi Z. Hasil analisis AHP menunjukkan bahwa kriteria Promosi merupakan faktor paling dominan dengan bobot sebesar 0,43, diikuti oleh Harga (0,24), Kelengkapan Produk (0,15), Reputasi (0,13), dan Kemudahan Penggunaan (0,06). Nilai Consistency Ratio (CR) sebesar 0,07 menunjukkan bahwa pembobotan yang diperoleh telah memenuhi tingkat konsistensi yang dipersyaratkan. Selanjutnya, hasil perhitungan TOPSIS menempatkan TikTok Shop sebagai alternatif terbaik dengan nilai kedekatan relatif sebesar 0,972152, diikuti oleh Shopee (0,761680), Tokopedia (0,188414), dan Lazada (0,000000). Dengan demikian, tujuan penelitian untuk menentukan prioritas kriteria serta menghasilkan rekomendasi marketplace berdasarkan preferensi responden Generasi Z pada penelitian ini telah berhasil dicapai. Hasil penelitian ini diharapkan dapat menjadi referensi bagi pengelola marketplace dalam menyusun strategi pemasaran yang lebih sesuai dengan karakteristik konsumen muda. Meskipun demikian, penelitian ini memiliki keterbatasan pada jumlah responden yang memenuhi uji konsistensi AHP, yaitu sebanyak 15 responden. Kondisi tersebut menyebabkan hasil pembobotan yang diperoleh belum dapat digeneralisasikan untuk merepresentasikan seluruh populasi Generasi Z secara luas, melainkan terbatas pada responden yang memenuhi persyaratan konsistensi metode AHP. Oleh karena itu, penelitian selanjutnya disarankan untuk memperluas jumlah responden yang memenuhi uji konsistensi, menambahkan variasi kriteria, serta menerapkan analisis sensitivitas guna mengevaluasi stabilitas bobot dan ketahanan hasil perangkingan terhadap perubahan nilai preferensi. Referensi
